Apunte de Calculo Diferencial e Integral

Clculo diferencial
Los orgenes del Clculo estuvieron motivados por el deseo de resolver diversos
problemas vinculados al movimiento de los cuerpos, as como problemas de clculo de
valores mximos y mnimos de una funcin dada y de cmo calcular la tangente a una
cuva en un punto de de la misma. Este ltimo problema se presentaba con frecuencia
en mecnica y en ptica. An pareciendo hechos no relacionados entre s pronto se
demostr estar ntimamente ligados.
Fermat, en el siglo XVII, tratando de determinar los mximos y mnimos de
ciertas funciones, observ que si la grfica de dichas funciones, en un determinado punto,
tiene asociada una recta tangente horizontal, dicho punto es un candidato a mximo o
mnimo. La estrategia usada primero por Fermat y ms tarde por Newton para calcular
la tangente fue aproximar sta por sucesivas rectas secantes cuyas pendientes pueden
calcularse directamente como cocientes. As pues la pendiente de la recta tangente no
es ms que el lmite de un determindo cociente esto es, la derivada en dicho punto. Con
respecto al estudio de la velocidad de un mvil siguiendo una trayectoria de una lnea
recta, diremos que si la funcin que describe el movimiento en funcin del tiempo es la
funcin f : [0, T ] R, es sabido que la velocidad media desarrollada por el mvil en
el intervalo de tiempo [a, x], con a, x [0, T ] se obtiene realizando el siguiente cociente:
f (x) f (a)
.
xa
As pues si quiero calcular la velocidad en el instante a bastar tomar valores x cada
vez ms cercanos al propio a, de hecho el valor buscado se encontrar tomando el lmite
cuando x tiende hacia a en dicho cociente. Este lmite no es otra cosa que el valor de la
derivada en dicho punto. En general, este concepto se muestra especialmente til para
el estudio de la variacin de cualquier funcin.
Estos hechos sern tratados en este captulo, donde haremos tambin el estudio
de los extremos para campos escalares.
ndice general
1.
2.
3. Clculo diferencial
3.1. Funciones derivables . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1. Derivada. Recta tangente . . . . . . . . . . . . . . . . . . . .
3.1.2. Derivadas laterales . . . . . . . . . . . . . . . . . . . . . . .
3.1.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.4. Propiedades de las funciones derivables. . . . . . . . . . . . .
3.1.5. Relacin de ejercicios . . . . . . . . . . . . . . . . . . . . . .
3.2. Extremos relativos. Polinomio de Taylor. . . . . . . . . . . . . . . .
3.2.1. Extremos relativos. . . . . . . . . . . . . . . . . . . . . . .
3.2.2. Extremos relativos y derivabilidad . . . . . . . . . . . . . .
3.2.3. Derivadas sucesivas . . . . . . . . . . . . . . . . . . . . . . .
3.2.4. Polinomio de Taylor . . . . . . . . . . . . . . . . . . . . . .
3.2.5. Desarrollo en serie de Taylor . . . . . . . . . . . . . . . . . .
3.2.6. Funciones convexas . . . . . . . . . . . . . . . . . . . . . . .
3.3. Campos diferenciables. Derivadas parciales . . . . . . . . . . . . . .
3.3.1. Derivada de un campo vectorial. . . . . . . . . . . . . . . . .
3.3.2. Derivadas parciales . . . . . . . . . . . . . . . . . . . . . . .
3.3.3. Matriz jacobiana . . . . . . . . . . . . . . . . . . . . . . . .
3.3.4. Campos escalares . . . . . . . . . . . . . . . . . . . . . . . .
3.3.5. Plano tangente . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.6. Vector tangente a una curva . . . . . . . . . . . . . . . . .
3.3.7. Curvas y superficies dadas en forma implcita . . . . . . . .
3.4. Clculo de extremos . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.1. Extremos relativos de un campo escalar . . . . . . . . . . . .
3.4.2. Extremos relativos y derivabilidad . . . . . . . . . . . . . .
3.4.3. Derivadas parciales de orden superior . . . . . . . . . . . . .
3.4.4. Condicin suficiente para la existencia de extremos relativos
3.5. Extremos condicionados. . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9
9
9
11
11
12
17
21
21
22
24
24
26
27
29
33
33
36
38
40
42
43
44
45
49
49
50
51
53
57
59
59
NDICE GENERAL
3.5.2. Conjuntos determinados por una funcin . . . . . . . . . . . . .
3.5.3. Tcnica de los multiplicadores de Lagrange. . . . . . . . . . . .
3.5.4. Matriz hessiana asociada a la funcin de Lagrange. . . . . . . .
3.5.5. Relacin de ejercicios . . . . . . . . . . . . . . . . . . . . . . . .
3.6. Teoremas de la funcin inversa e implcita. . . . . . . . . . . . . . . . .
3.6.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6.2. Teorema de la funcin inversa . . . . . . . . . . . . . . . . . . .
3.6.3. Teorema de la funcin implcita . . . . . . . . . . . . . . . . . .
3.6.4. Relacin de ejercicios . . . . . . . . . . . . . . . . . . . . . . . .
3.7. Algunas aplicaciones del clculo diferencial. . . . . . . . . . . . . . . . .
3.7.1. Aproximacin por mnimos cuadrados . . . . . . . . . . . . . . .
3.7.2. Aplicaciones a la Mecnica Celeste: Movimientos de los de satlites
60
61
62
63
65
65
67
68
73
75
75
76
Captulo 1
CAPTULO 1.
Captulo 2
CAPTULO 2.
Captulo 3
Clculo diferencial
3.1.
Funciones derivables
Sumario
En esta leccin introduciremos el concepto de funcin derivable, prestaremos atencin
al problema original de determinar la tangente a una curva dada y estudiaremos algunas de sus
propiedades; Enunciaremos el teorema del valor medio y obtendremos algunas consecuencias
muy importantes: La relacin entre monotona y derivabilidad, la derivacin de la funcin
inversa y la reglas de L+Hpital para la resolucin de algunas indeterminaciones en el clculo
de lmites. El contenido completo de esta leccin se articula de la siguiente manera:
III.1.1 Derivada. Recta tangente

III.1.2 Derivada lateral.
III.1.3 Ejemplos.
III.1.4 Propiedades de las funciones derivables.
III.1.5 Relaciones de ejercicios.
3.1.1.
Derivada. Recta tangente
Sea A un subconjunto no vaco de nmeros reales y sea a A A0 . Se dice que

f : A R es una funcin derivable en a si existe el siguiente lmite:
limxa
f (x) f (a)
.
xa
El lmite recibe el nombre de derivada de f en el punto a y se nota por f 0 (a).

9
10
3.1. Funciones derivables
Es claro que f es derivable en a si, y slo si, existe

f (a + t) f (a)
limt0
,
t
y en tal caso
f (a + t) f (a)
= f 0 (a).
limt0
t
Dado un subconjunto B de A A0 , se dice que f es derivable en B si es
derivable en todos los puntos de B.
Es claro que la funcin identidad I y toda funcin constante,C, son funciones
derivables en todo R, con I 0 = 1 y C 0 = 0, mientras que la funcin valor absoluto es
derivable en todos los puntos de R salvo en cero, y para cada x R ,
(|x|)0 = |x|/x.
El siguiente resultado nos da la relacin entre los conceptos de continuidad y de
derivacin.
T
Proposicin 3.1.1. Sean A un subconjunto no vaco de nmeros reales, a A A0 y
una funcin f : A R. Entonces las siguientes afirmaciones son equivalentes:
1. f es derivable en a.
2. f es continua en a y existe una funcin afn g tal que
f (x) g(x)
limxa
= 0.
xa
Vamos ahora a interpretar geomtricamente la existencia de esta funcin afn.
Obsrvese que cualquier recta que pase por el punto (a, f (a)) tiene la forma
y = f (a) + m(x a).
Es claro que manipulando la igualdad del apartado b) obtenemos que
g(x) = f 0 (a)(x a) + f (a)
y por tanto su grfica es una recta del tipo anterior con m = f 0 (a); la condicin sobre
el lmite del cociente del apartado b) nos afirma que tanto la grfica de la funcin afn
g es la que mejor se aproxima a la grfica de la funcin f en las proximidades del punto
a.
As por ejemplo si consideramos la funcin f (x) = (x 1)2 + 1 y el punto (1, 1), se
tiene que
y por tanto es visible que la recta horizontal es la que mayor "parecido"tiene con la
parbola en las "proximidades del punto (1, 1).
La recta y = f (a) + f 0 (a)(x a) recibe el nombre de recta tangente a la
grfica de f en el punto (a, f (a))
Anlisis Matemtico
11
6
4
2
-2
-1
-2
-4
3.1.2.
Derivadas laterales
T
0
Sean A un subconjunto no vaco de nmeros reales, a A (A+
a ) y una funcin
f : A R. Diremos que f es derivable por la derecha en el punto a si existe existe
el siguiente lmite:
f (x) f (a)
.
xa
El lmite recibe el nombre de derivada de f por la derecha en el punto a
y se nota por f+0 (a).
limxa+
Anlogamente podemos definir el concepto de derivada por la izquierda.

Veamos la relacin entre la derivada ordinaria y las derivadas laterales.
Proposicin 3.1.2. Sean A un subconjunto no vaco de nmeros reales, a A
sea f : A R una funcin.
A0 , y
0
1. Si a
/ (A
a ) , entonces f es derivable en a si, y slo si f es derivable por la derecha
en a. En caso afirmativo f 0 (a) = f+0 (a)
0
/ (A+
2. Si a
a ) , entonces f es derivable en a si, y slo si f es derivable por la
izquierda en a. En caso afirmativo f 0 (a) = f (a)0
T + 0
0
3. Si a (A
(Aa ) , entonces f es derivable en a si, y slo si f es derivable
a)
por la derecha y por la izquierda en a y ambas coinciden. En caso afirmativo
f 0 (a) = f+0 (a) = f0 (a)
3.1.3.
Ejemplos
Las funciones logaritmo neperiano, seno y coseno son derivables en sus respectivos
dominios. Adems para cada x del dominio correspondiente,
log 0 (x) = 1/x, sen0 (x) = cos(x), cos0 (x) = sen(x).
Tambin la suma, el producto y el cociente de funciones derivables es una funcin
derivable.
12
Proposicin 3.1.3. Sean A un subconjunto de nmeros reales, a A y f, g : A R

dos funciones derivables en a. Entonces f + g y f.g son dos funciones derivables en a,
y se tiene que
(f + g)0 (a) = f 0 (a) + g 0 (a), (f.g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a).
Si adems, para cada x A, g(x) 6= 0, entonces f /g es tambin derivable en a y se
tiene que
f 0 (a)g(a) f (a)g 0 (a)
(f /g)0 (a) =
.
g 2 (a)
Como consecuencia obtenemos que las funciones racionales y la funcin tangente
son tambin derivables en su dominio. De hecho, para cada x R\{ 2 + k, k Z},
tg 0 (x) = 1 + tg 2 (x).
Tambin las cosas van bien cuando componemos dos funciones derivables.
Teorema 3.1.4. (regla de la cadena)
Sean A un subconjunto de nmeros reales, a A y f : A R una funcin
derivable en a. Sean ahora B f (A) y g : B R una funcin derivable en f (a).
Entonces g f , es una funcin derivable en a y se tiene que
(g f )0 (a) = g 0 (f (a)).f 0 (a).
Como consecuencia obtenemos que
Corolario 3.1.5. Si f : A R+ es una funcin derivable en a, entonces
(logf (a))0 =
3.1.4.
f 0 (a)
.
f (a)
Propiedades de las funciones derivables.
Enunciemos ahora algunas propiedades y caractersticas de las funciones derivables.

Proposicin 3.1.6. (La derivabilidad es una propiedad local)
T
Sean A un subconjunto de numeros reales, B un subconjunto de A, a B B 0 y
f : A R una funcin. Entonces
1. Si f es derivable en a, entonces f /B es una funcin derivable en a y f 0 (a) =
(f /B )0 (a).
Anlisis Matemtico
13
2. Si f /B es derivable en a y existe un intervalo centrado en a, I, tal que I

entonces f es una funcin derivable en a y f 0 (a) = (f /B )0 (a).
A B,
Observacin 3.1.7. La proposicin anterior es muy til para estudiar la derivabilidad

de una funcin definida en varias ramas.
Como ejemplo estudiemos la derivabilidad de la funcin f : R R, definida por
x2
si x 2
f (x) =
x + 6 si x > 2
cuya grfica es como sigue
10
8
6
4
2
-4
-2
-2
Dado que la funcin x2 es derivable en R, entonces f /],2] = x2 /],2] es derivable

en todos los puntos del intervalo ] , 2], luego por el apartado (2), f es derivable en
], 2[. Idntico razonamiento puede seguirse para el intervalo ]2, +[.
Qu ocurre en el punto 2? Como se desprende de la observacin de su grfica, la
funcin presenta un "pico", luego pensamos que no es derivable en 2. Comprubese.
Obsrvese adems que en cambio la funcin f /] , 2] es derivable en 2.
En los siguientes resultados usaremos como dominios slo intervalos, ya que
en stos todos los puntos, incluso sus extremos sean o no del intervalo, son puntos de
acumulacin. Necesitamos previamente el siguiente lema:
Lema 3.1.8. Sea I un intervalo de nmeros reales. Si f : I R es una funcin
derivable en un punto interior a de I en el que f tiene adems un extremo absoluto,
entonces f 0 (a) = 0.
Teorema 3.1.9. (de Rolle)

Sean [a, b] un intervalo de numeros reales, y f : [a, b] R una funcin continua y
derivable en ]a, b[ verificando que f (a) = f (b). Entonces existe c ]a, b[ tal que f 0 (c) = 0.
14
Observacin 3.1.10. La combinacin de este teorema y del teorema de Bolzano es muy

interesante a la hora de determinar el nmero de soluciones de una ecuacin en un
determinado intervalo. A este respecto resulta interesante releer el teorema de Rolle en
la siguiente forma:
00
Si f 0 no se anula en el intervalo ]a, b[, la ecuacin f (x) = 0 tiene como mucho

una nica solucin en el intervalo [a, b] 00
El siguiente resultado, el cual no es ms que otra versin del teorema de Rolle,
es el ms importante por sus muchas consecuencias.
Teorema 3.1.11. (del valor medio)

Sean [a, b] un intervalo de numeros reales, y f : [a, b] R una funcin continua y
derivable en ]a, b[. Entonces existe c ]a, b[ tal que
f (b) f (a) = f 0 (c)(b a).
Como primera consecuencia obtenemos la siguiente relacin entre el signo de la
derivada y la monotona de la funcin:
Corolario 3.1.12. (monotona de una funcin)
Sea I un intervalo de numeros reales, y f : I R una funcin derivable. Entonces
se verifican las siguientes afirmaciones:
1. f es creciente si, y slo si f 0 (x) 0, x I.
2. f es decreciente si, y slo si f 0 (x) 0, x I.
3. Si f 0 (x) = 0, x I, si, y slo f es constante.
4. Si f 0 (x) > 0 x I, entonces f es estrictamente creciente.
5. Si f 0 (x) < 0 x I, entonces f es estrictamente decreciente.
6. Si f 0 (x) 6= 0 x I, entonces f es estrictamente montona.
Al igual que ocurre con el teorema de Rolle, la informacin dada en este ltimo
corolario es muy importante para la localizacin de las soluciones de una ecuacin del
tipo f (x) = 0, cuando la funcin f es derivable.
Como segunda consecuencia, obtenemos cundo la funcin inversa es derivable
y cunto vale su derivada:
Anlisis Matemtico
15
Corolario 3.1.13. (derivacin de la funcin inversa)

Sea I un intervalo de numeros reales, y f : I R una funcin derivable tal que
0
f (x) 6= 0. Entonces f 1 es derivable en f (I) y para cada x I, se tiene que
(f 1 )0 (f (x)) =
1
.
f 0 (x)
A partir de aqu, obtenemos que tambin las funciones exponencial, arcocoseno,

arcoseno y arcotangente son derivables. De hecho, para cada x en el correspondiente
dominio se tiene que
1
,
(ex )0 = ex , (arctg)0 (x) =
1 + x2
1
1
(arc cos)0 (x) =
, (arc sen)0 (x) =
.
1 x2
1 x2
Y si se quiere, usando la regla de la cadena, si f : A R es una funcin
derivable en a y tal que f (A) est contenido en el correspondiente dominio, entonces
(ef (a) )0 = f 0 (a)ef (a) ,
0
f 0 (a)
(arc cos) (f (a)) = p
1 f 2 (a)
(arctg)0 (f (a)) =
,
f 0 (a)
,
1 + f 2 (a)
f 0 (a))
(arc sen) (f (a)) = p
1 f 2 (a)
Adems si f (A) est contenido en R+ y g : A R es otra funcin derivable

tambin en a, entonces la funcin h = f g es derivable en a y
h0 (a) = f (a)g(a) [g 0 (a)log(f (a)) + g(a)
f 0 (a)
].
f (a)
Para calcular derivadas tan complicadas como la anterior podemos usar la tcnica
logartmica. El procedimiento es como sigue.
Tcnica logartmica
1. Tomamos logaritmos en la igualdad que define a h.
log(h(x)) = g(x)log(f (x)).
2. Derivamos ambas igualdades en el punto a
f 0 (a)
h0 (a)
= g 0 (a)log(f (a)) + g(a)
.
h(a)
f (a)
3. Finalmente despejamos y obtenemos que
h0 (a) = f (a)g(a) [g 0 (a)log(f (a)) + g(a)
f 0 (a)
].
f (a)
16

x
Como ejercicio calclese la funcin derivada de f (x) = xx en R+ .

La tercera y ltima consecuencia a sealar en esta leccin es una potente
herramienta que nos va a permitir resolver muchas de las indeterminaciones presentadas
en la leccin I.5 relativas a la convergencia de las funciones.
Corolario 3.1.14. (Reglas de L+Hpital)
Sea I un intervalo de nmeros reales, L R {+, } y a I y supongamos
que f, g : I\{a} R son dos funciones tales que
1. f y g son derivables,
2. g 0 (x) 6= 0,
0
(x)
3. limxa fg0 (x)
= L.
Si
1. Primera Regla de L+Hpital
limxa f (x) = limxa g(x) = 0,
2. Segunda Regla de LHpital:

la funcin |g| diverge positivamente en a,
()
entonces
limxa
f (x)
= L.
g(x)
Observacin 3.1.15. Las Reglas de L+Hpital siguen permaneciendo vlidas si, en el

caso en que el intervalo I no est mayorado, sustituimos los lmites en a por lmites en
+. Anlogamente para lmites en .
Finalmente damos una consecuencia prctica para calcular la derivada de algunas
funciones definidas a trozos.
Corolario 3.1.16. Sea I un intervalo, a I y h : I R una funcin continua en
a y derivable al menos en I/{a}. Entonces h es derivable en a si h0 tiene lmite en el
punto a y en caso de ser derivable
h0 (a) = limxa h0 (x).
Anlisis Matemtico
3.1.5.
17
Relacin de ejercicios
1. Dada una funcin f : A R, estdiese la continuidad y derivabilidad en cada

uno de los siguientes casos:
a) A = [1, 1] y f (x) = 1 x2 .
p
b) A = R y f (x) = 3 |x|.
c) A = R y f (x) =
2x
.
1+|x|
x
x R+ , f (0) = 0
d ) A = R+
0 y f (x) = x
e) A = R+
0 y
f (x) =
|x 2|
x
E x6
2
si 0 x < 4
si 4 x.
2. Sean , R y f : R R una funcin definida por f (x) = x2 + x + .

Encuntrense los valores de y , que hacen que el punto (2, 4) pertenezca a la
grfica de f y que la recta tangente a la misma en dicho punto sea la recta de
ecuacin 2x y = 0.
3. Sea f : R R la funcin definida por:
f (x) =
e x2
0
si x 6= 0
si x = 0
Estdiese la continuidad y derivabilidad de f y calclese su imagen.

4. Estdiese la continuidad y la existencia de lmites en + y de la funcin
f : R R definida en cada caso por
a)
f (x) =
b)
f (x) =
1
1+ex
ex
x
x

5
x
si x 6= 0
si x = 0
si x < 0
si 0 x < 1
si x 1
5. Demustrese que la(s) desigualdad(es):

a)
x
1+x
< log(1 + x) < x se verifican para todo x > 0.
b) cosx > 1
c)
2x
x2
2
se verifica para todo x ]0, /2[
< senx < x < tgx se verifican para todo x ]0, /2[
6. Calclese el nmero de ceros y la imagen de la funcin f : R R definida por

f (x) = x6 3x2 + 2 x R.
18

7. Calclese el nmero de soluciones de la ecuacin 3logx x = 0.
8. Sea a > 1. Prubese que la ecuacin x + ex = a tiene, al menos, una solucin
positiva y otra negativa.
9. Sea f : R+ R la funcin definida por:
f (x) = x + logx + arctgx
prubese que la ecuacin f (x) = 0 tiene una nica solucin.
10. Prubese que la ecuacin

x + ex + arctgx = 0
tiene una nica raz real. Dese un intervalo de longitud uno en el que se encuentre
dicha raz.
11. Prubese que la ecuacin tg(x) = x tiene infinitas soluciones.
12. Calclese la imagen de f : R+ R, f (x) = x1/x .
13. Sean a, b, c R con a2 < 3b. Prubese que la ecuacin
x3 + ax2 + bx + c = 0
tiene una solucin real nica.
14. Determnese el nmero de races reales de la ecuacin
2x3 3x2 12x = m
segn el valor de m.
15. Sea f : [1/2, +[ R dada por f (x) = (x + ex )1/x
tdiese la continuidad y derivabilidad de f en cero.
(x 6= 0) f (0) = e2 . Es-
16. Sea f : R\{1} R la funcin definida por:

f (x) = arctg
1+x
1x
Estdiese la continuidad de f y su comportamiento en el punto 1, en + y en

.
17. Estdiese el comportamiento de la funcin f : A R en el punto en cada
a)
A =]2, +[ ,
f (x) =
x 2+ x2
x2 4
x A, = 2.
Anlisis Matemtico
19
b)
A = R+ \{1},
f (x) =
1
1
logx x 1
x A, = 1.
A =]1, +[,
xx x
f (x) =
1 x logx
x A, = 1.
c)
d)
A = R ,
f (x) =
1
1
senx
2 5 ,
4
x
6x
x
e)
A =]0, /2[,
f (x) = (
1 senx
)
,
tgx
=0
= /2
f)
A =]0, /2[,
f (x) = (1 + senx)cotgx ,
=0
g)
A = R+ \{e},
f (x) = x logx1 ,
h)
A = R+ ,
f (x) =
= e.
1
1
(e (1 + x) x ),
x
=0
18. Estudiar el comportamiento en el punto cero de la funcin f : A R en los

siguientes casos:
a)
A = R+ ,
f (x) =
1 cos x
,
x
f (x) =
1 cosx
,
x2
b)
A = R ,
x A.
x A.
c)
A =]0, /2[,
f (x) = (senx + cosx)1/x ,
d)
A =]0, /2[,
f (x) =
x2
cos x +
2
x A.
12
x
x A
e)
A =]0, /2[,
f (x) = (1 tgx) x2 ,
x A
f)
A = R+ ,
f (x) = xsenx ,
g)
A =]0, /2[,
f (x) =
x arctgx
,
sen3 x
x A
x A
20

h)
A =]0, /2[,
f (x) = (
1 senx
)
,
tgx
i)
A = R+ \{e},
f (x) = x logx1 .
19. Sea f : 2 , 2 R definida por:

f (x) =
log(1 senx) 2log(cosx)

senx
(x 6= 0)
f (0) = a.
Estdiese para qu valor de a la funcin f es continua en cero.

20. Estdiese el comportamiento en + de las funciones f : A R dadas por
a)
A = R+ ,
log(2 + 3ex )
f (x) =
,
2 + 3x2
b)
A = R+ ,
f (x) = (ax + x)1/x ,
x R+
a R+ ,
c)
A =]1, +[
f (x) =
x(x1/x 1)
,
logx
d)
A = R\{e},
f (x) = x logx1 .
e)
A = R+ ,
f (x) = x sen(1/x), ( R).
f)
A = R+ ,
f (x) =
x2 sen(1/x)
.
logx
21 Calclense las derivadas de las funciones hiperblicas.
3.2. EXTREMOS RELATIVOS. POLINOMIO DE TAYLOR.
3.2.
21
Extremos relativos. Polinomio de Taylor.
Sumario
En esta leccin vamos a seguir extrayendo consecuencias del teorema del valor medio: estudiaremos condiciones necesarias y condiciones suficientes para que una funcin tenga
extremos relativos. Tambin definiremos el polinomio de Taylor asociado a una funcin en un
punto y estudiaremos algunas de sus propiedades. Finalmente relacionaremos la convexidad de
una funcin con el signno de la segunda derivada, y daremos el mtodo de Newton-Raphson,
que es usado para encontrar aproximaciones a las soluciones de una ecuacin. El contenido
completo de esta leccin se articula de la siguiente manera:
III.2.1 Extremos relativos.

III.2.2 Extremos relativos y derivabilidad.
III.2.3 Derivadas sucesivas.
III.2.4 Polinomio de Taylor.
III.2.5 Desarrollo en serie de Taylor.
III.2.6 Funciones convexas.
III.2.7 Relacin de ejercicios.
3.2.1.
Extremos relativos.
Sea A un subconjunto no vaco de nmeros reales y a A y f : A R una

funcin. Se dice que
a es un mximo relativo o que f tiene un mximo relativo en a si se verifican
las siguientes condiciones:
a) Existe r > 0 tal que ]a r, a + r[ A.
b) f (a) f (x), x ]a r, a + r[.
a es un mnimo relativo o que f tiene un mnimo relativo en a si se verifican
a) Existe r > 0 tal que ]a r, a + r[ A.
b) f (a) f (x), x ]a r, a + r[.
22
III.2. Extremos relativos. Polinomio de Taylor.

a es un extremo relativo si o bien es un mximo relativo bien es un mnimo
relativo.
Con el siguiente ejemplo veremos qu no existe en general una relacin entre

extremo relativo y extremo absoluto.
Ejemplo:
Estdiense los extremos relativos y absolutos de la funcin
f : [0, 3] R,
definida por
f (x) =
x
si 0 x < 1
2 x si 1 x < 2
2x 4 si 2 x 3
Observemos primero su grfica:

2
1.5
0.5
0.5
1.5
2.5
y comprobemos que
1. 0 es un mnimo absoluto pero no relativo.
2. 1 es un mximo relativo pero no absoluto.
3. 2 es un mnimo relativo y absoluto
4. 3 es un mximo absoluto pero no relativo.
3.2.2.
Extremos relativos y derivabilidad

Comencemos recordando que en todo extremo relativo la derivada se anula.
Proposicin 3.2.1. (Lema 3.1.8 )(condicin necesaria)

Sea A un subconjunto
no vaco de nmeros reales. Si f : A R tiene un extremo
T 0
relativo en a A A y es derivable en a, entonces f 0 (a) = 0.
Anlisis Matemtico
23
Este sencillo resultado nos permite elaborar la siguiente regla prctica para
detectar los posbles extremos.
Regla prctica para el clculo de extremos
Sean A un subconjunto no vaco de nmeros reales y f : A R una funcin.
Supongamos que f alcanza su mximo o su mnimo absoluto en a, entonces a est en
una de las tres situaciones siguientes:
1) No existe ningn intervalo centrado en a contenido en A.
2) Existe un intervalo centrado en a contenido en A y f no es derivable en a.
3) Existe un intervalo centrado en a contenido en A y f 0 (a) = 0.
Una vez detectados los candidatos, se nos puede presentar una de las dos
siguientes situaciones:
1) El conjunto A es un intervalo cerrado y acotado y f es continua.
2) No se dan alguna de las circunstancias del primer apartado.
En el primer caso sabemos, por el teorema de Weiertrass sobre la conservacin
de la compacidad, que f alcanza sus valores mximo y mnimo en sendos puntos del
intervalo, por lo que basta evaluar f en los candidatos de los tres tipos para determinar
quines son estos extremos. En el segundo caso, nos contentaremos con saber que de
haber mximo mnimo ste est entre nuestros candidatos.
El siguiente resultado nos permite ver si los puntos del segundo y tercer tipo son
al menos extremos relativos y de qu naturaleza son.
Proposicin 3.2.2. (condicin suficiente)
Sean a R, r > 0 y notemos por I =]a r, a + r[. Sea A un conjunto que contiene
a I y sea f : A R una funcin continua y derivable en I\{a}.
1. Si para cada x I con x < a se tiene que f 0 (x) 0 y para cada x I con x > a
se tiene que f 0 (x) 0, entonces f alcanza un mximo relativo en a.
2. Si para cada x I, con x < a, se tiene que f 0 (x) 0 y para cada x I, con
x > a, se tiene que f 0 (x) 0, entonces f alcanza un mnimo relativo en a.
Ejemplo: Calcular los extremos de la funcin f : R R, definida por
x2
si x 2
f (x) =
x + 6 si x > 2
24

Considrese previamente su grfica
10
8
6
4
2
-4
-2
-2
Confrmese que f tiene en 0 un mnimo relativo (no absoluto) y en 2 un mximo

relativo (no absoluto) y que f no tiene extremos absolutos.
Ejercicio: Calclense los extremos de la funcin anterior restringida al intervalo [0, 4].
3.2.3.
Derivadas sucesivas
T
Sea A un subconjunto no vaco de nmeros reales, A1 un subconjunto de A A0 y
f : A R una funcin derivable en todo punto de A1 . La+ funcin que a cada punto
de A1 le hace corresponder la derivada de f en dicho punto recibe
el nombre de funcin
T
0
derivada de f , funcin que notaremos por f . Si a A1 (A1 )0 y f 0 es derivable en
a, diremos que f es dos veces derivable en a y llamaremos derivada segunda de
f en a a la derivada
de f 0 en a, y la notaremos por f 00 (a). Sea A2 el subconjunto de
T
puntos de A1 (A1 )0 en los que f es dos veces derivable. La funcin f 00 : A2 R,
definida por la ley x 7 f 00 (x) se llamar derivada segunda de f . Siguiendo este
proceso podremos definir el concepto de n veces derivable y de la funcin derivada
n-sima de f , que notaremos por f (n) .
Sea I un intervalo, f : I R una funcin y n un nmero natural. Se dice
que f es de clase C n en I si f es n veces derivable en I y su derivada n-sima f (n) es
continua en I.
Se dice que f es de clase infinito C en I si f es de clase C n para todo natural
n.
Por ejemplo las funciones racionales y las funciones seno, coseno, tangente,
arcotangente, arcoseno, arcocoseno, logaritmo neperiano y exponencial son funciones
de C en sus correspondientes dominios.
3.2.4.
Polinomio de Taylor
Sea A un subconjunto
nmeros reales y f : A R una funcin n veces
T de
0
derivable en un punto a A A . Llamaremos polinomio de Taylor de grado n de
la funcin f en el punto a a la funcin polinmica Pn,a : R R definida por
Pn,a (x) = f (a) + f 0 (a)(x a) +
f (n) (a)
f 00 (a)
(x a)2 + ... +
(x a)n .
2!
n!
Anlisis Matemtico
25
Es inmediato comprobar que Pn,a es la nica funcin polinmica que verifica que:
0
(n)
Pn,a (a) = f (a), Pn,a
(a) = f 0 (a), ... Pn,a
(a) = f (n) (a).
Ntese que el polinomio de Taylor de grado uno no es ms que la funcin afn

g dada en la leccin anterior y cuya grfica llambamos recta tangente. Cabe esperar
que el polinomio de Taylor de grado n en el punto a nos d una buena aproximacin
de la funcin f en las proximidades del punto a, y que deber ser tanto mejor cuanto
mayor sea el grado del polinomio. Este hecho queda probado en el siguiente resultado.
Teorema 3.2.3. (frmula infinitesimal del resto)

Sea I un intervalo, a I, n N y f : I R una funcin n veces derivable.
Entonces
f (x) Pn,a (x)
= 0.
limxa
(x a)n
Como primera consecuencia de este hecho obtenemos una regla prctica para el
clculo de extremos relativos.
Corolario 3.2.4. Sea I un intervalo, a I, n N y f : I R una funcin n veces
derivable con
f 0 (a) = ... = f (n1) (a) = 0.
Entonces si
a) n es impar y f (n) (a) 6= 0, f no tiene ningn extremo relativo en a.
b) n es par y
b1) f (n) (a) > 0, f tiene un mnimo relativo en a.
b2) f (n) (a) < 0, f tiene un mximo relativo en a.
Como ejercicio calclese el vrtice de la parbola y = x2 + 3x 2.
En el ambiente del teorema, la funcin Rn,a : I R definida por
Rn,a (x) = f (x) Pn,a (x),
recibe el nombre de Resto de Taylor de orden n de la funcin f en el punto a.
Nuestro siguiente resultado nos va a proporcionar una expresin concreta del
resto de Taylor que nos permitir evaluar el error cometido cuando se sustituya una
funcin por su correspondiente polinomio de Taylor.
26
Teorema 3.2.5. (Frmula de Taylor)

Sea I un intervalo, a I, n N y f : I R una funcin n + 1 veces derivable.
Entonces, para cada x I, x > a (respectivamente x < a), existe un punto c ]a, x[
(resp. c ]x, a[) tal que
f (n+1) (c)(x a)n+1
Rn,a (x) =
.
(n + 1)!
Ejercicio: Calclese el valor de
e con tres decimales.
Observacin 3.2.6. Este teorema junto con la frmula infinitesimal del resto puede
usarse para el clculo de ciertos lmites.
Ejercicio: Calclese
limx0
3.2.5.
(tgx)(arctgx) x2
.
x5
Desarrollo en serie de Taylor
Veamos ahora qu ocurre si hacemos tender el grado del polinomio de Taylor a

"infinito".
Proposicin 3.2.7. Sea I un intervalo y f un funcin de clase C en I. Supongamos
que existe M > 0 tal que, para cada x I y cada n N, se verifica que:
|f n) (x)| M,
entonces para cualesquiera a, x I, se tiene que
f (x) =
X
f n1) (a)
n=1
(n 1)!
(x a)n1 .
P
f n1) (a)
n1
La serie
recibe el nombre de serie de Taylor de la
n=1 (n1)! (x a)
funcin f en el punto a, y como puede verse es una especie de polinomio de Taylor
de grado "infinito".
Como consecuencia de la proposicin obtenemos que para las principales funciones
elementales, el valor en un punto x coincide con la suma de una cierta serie.
Corolario 3.2.8.
1) Para cada x R, se tiene:
P
1
n1
a) ex =
.
n=1 (n1)! x
P (1)n+1 2(n1)
b) cos(x) = n=1 2(n1)! x
.
Anlisis Matemtico
c) sen(x) =
27
(1)n+1 2n1
.
n=1 (2n1)! x
2) Para cada x ]0, 2[, se tiene:

log(x) =
X
(1)n+1
n=1
(x 1)n .
3) Para cada x ] 1, 1[, se tiene:

arctg(x) =
X
(1)n+1
n=1
3.2.6.
2n 1
x2n1 .
Funciones convexas
Veamos ahora cmo se interpreta geomtricamente el hecho de que la derivada

segunda sea no negativa.
Sea I un intervalo. Se dice f : I R es una funcin convexa cuando para
cualesquiera dos puntos a, b I con a < b y para todo nmero real t ]0, 1[ se verifica
que
f ((1 t)a + tb)) (1 t)f (a) + tf (b).
Obsrvese que la funcin f (x) = (x 1)2 2 es convexa ya que su grfica,
-1
-1
-2
verifica que la imagen de cualquier intervalo contenido en R est por "debajo"del

segmento que une las imgenes de los extremos. Considrese por ejemplo el intervalo
[1/2, 2]) y el segmento [(1/2, 3/4), (2, 1)] que une las imgenes de sus extremos, tal
como vemos en la figura siguiente
Se dice f : I R es una funcin cncava cuando para cualesquiera dos
puntos a, b I con a < b y para todo nmero real t ]0, 1[ se verifica que
f ((1 t)a + tb)) (1 t)f (a) + tf (b).
28

-1
-1.2
-1.4
-1.6
-1.8
0.6
0.8
1.2
1.4
1.6
1.8
2.5
1.5
-2
-1
0.5
Obsrvese que la funcin f (x) = (x 1)2 + 3 es cncava ya que por ejemplo,

la imagen del intervalo [0, 2] est por encima del segmento [(0, 2), (2, 2)] tal como se
aprecia en la siguiente figura
Es claro que toda funcin afn es simultneamente convexa y cncava.
Puntos de inflexin
Se dice que a A es un punto de inflexin de una funcin f : A R si
existe > 0 tal que f es cncava (resp. convexa) en el intervalo ]a , a[ y f es convexa
(resp. cncava) en el intervalo ]a, a + [.
Finalmente veamos que existe una estrecha relacin entre la convexidad y el
signo de la segunda derivada.
Proposicin 3.2.9. Sea I un intervalo y f : I R una funcin dos veces derivable
en I. Entonces equivalen:
1. f es convexa.
2. f 00 (x) 0 para todo x I.
Es fcil ver ahora que la funcin exponencial es una funcin convexa y la funcin
logaritmo neperiano es una funcin cncava.
Corolario 3.2.10. Si f : A R es una funcin dos veces derivable en un punto de
inflexin a, entonces f 00 (a) = 0.
La ltima consecuencia que vamos a sealar en esta leccin es un mtodo muy
rpido para localizar las soluciones de una ecuacin.
Anlisis Matemtico
29
Corolario 3.2.11. (Mtodo de Newton-Raphson )

Sea f : [a, b] R una funcin dos veces derivable verificando:
a) f (a) < 0 < f (b).
b) f 0 (x) 6= 0 x [a, b].
c) f 00 (x) 6= 0 x [a, b] .
Entonces la sucesin {xn }, tal que x1 [a, b], y xn+1 = xn
converge a la nica raz x0 de la ecuacin f (x) = 0.
f (xn )
f 0 (x)
es una sucesin que
Obsrvese que la condicin c) hace alusin a que no hay cambio de convexidad

o concavidad.
La forma de construir los distintos trminos de la sucesin de aproximaciones es
bastante sencilla y responde a una idea muy intuitiva. Una vez fijado un valor inicial x1 ,
el trmino x2 se obtiene como el punto de corte de la recta tangente a f en x1 con el eje
OX. De la misma forma, obtenemos xn+1 como el punto de corte de la recta tangente
a f en el punto xn con el eje OX. Para comprender bien el algoritmo observemos el
siguiente grfico donde se ve cmo se generan los valores de las aproximaciones.
40
20
0.5
1.5
2.5
3.5
-20
-40
-60
3.2.7.
1. Una caja abierta est construida con un rectngulo de cartn, quitando cuadrados
iguales en cada esquina y doblando hacia arriba los bordes. Hallar las dimensiones
de la caja de mayor volumen que puede construirse con ese procedimiento si el
rectngulo tiene como lados (a) 10 y 10, (b) 12 y 18.
30

2. Se desea construir una ventana con forma de rectngulo coronado de un semicrculo de dimetro igual a la base del rectngulo. Pondremos cristal blanco en
la parte rectangular y cristal de color en el semicrculo. Sabiendo que el cristal
coloreado deja pasar la mitad de luz (por unidad de superficie) que el blanco,
calcular las dimensiones de la ventana para conseguir la mxima luminosidad si
se ha de mantener un permetro constante dado.
3. Se inscribe un rectngulo en la elipse x2 /400+y 2 /225 = 1 con sus lados paralelos a
los ejes. Hllense las dimensiones del rectngulo para que (a) el rea sea mxima,
(b) el permetro sea mximo.
4. Se desea confeccionar una tienda de campaa cnica de un volumen determinado.
Calclense sus dimensiones para que la cantidad de lona necesaria sea mnima.
5. Demustrese r que la suma de un nmero positivo y su inverso es mayor o igual
a 2.
6. Hllense las dimensiones del cilindro de mayor volumen entre todos aquellos que
tienen la superficie lateral total constante.
7. Se desea construir un silo, con un volumen V determinado, que tenga la forma
de un cilindro rematado por una semiesfera. El costo de construccin (por unidad
de superficie) es doble para la semiesfera que para el cilindro (la base es gratis).
Determnense las dimensiones ptimas para minimizar el costo de construccin.
8. Se proyecta un jardn de forma de sector circular de radio R y ngulo central . El
rea del jardn ha de ser A fija. Qu valores de R y hacen mnimo el permetro
que bordea el jardn?.
9. Un tringulo rectngulo cuya hipotenusa tiene una longitud a se hace girar alrededor de uno de sus catetos. Qu volumen mximo puede tener un cono engendrado
de esta manera?.
10. Demustrese que de todos los tringulos issceles que se pueden circunscribir a
una circunferencia de radio r, el de rea mnima es el equiltero de altura 3r.
11. Una persona desea cortar un pedazo de alambre de 1 m. de largo en dos trozos.
Uno de ellos se va a doblar en forma de circunferencia, y el otro en forma de
cuadrado. Cmo debe cortar el alambre para que la suma de reas sea mnima?.
12. Un muro de 4 metros de altura est a 3 metros de la fachada de una casa. Hallar
la escalera ms corta que llegar desde el suelo hasta la casa por encima del muro.
13. Se traza la tangente en un punto de la elipse x2 /25 + y 2 /16 = 1 de forma que el
segmento (de dicha tangente) interceptado por los ejes sea mnimo. Demustrese
que la longitud de dicho segmento es 9 unidades.
14. Cul es la longitud de la barra ms larga que puede hacerse pasar horizontalmente
a travs de la esquina, en ngulo recto, que forman dos corredores de anchuras
respectivas a y b?
Anlisis Matemtico
31
15. Investgese la posibilidad de inscribir un cilindro circular recto de rea total mxima en un cono circular recto de radio r y altura h.
16. Un cultivador de naranjas estima que, si planta 60 naranjos, obtendr una cosecha
media de 400 naranjas por rbol. Este nmero bajar 4 unidades por cada rbol
ms que se plante en el mismo terreno. Halle el nmero de rboles que hace
mxima la cosecha.
17. Durante la tos, el dimetro de la trquea disminuye. La velocidad v del aire
en la trquea durante la tos se relaciona con el radio, r, mediante la ecuacin
v = Ar2 (r0 r), donde A es una constante y r0 es el radio en estado de relajacin.
Determnese el radio de la trquea cuando la velocidad es mxima, as como esta
velocidad.
18. Una fbrica de plsticos recibe del Ayuntamiento de la ciudad un pedido de 8.000
tablas flotadoras para el programa de natacin del verano. La fbrica posee 10
mquinas, cada una de las cuales produce 50 tablas por hora. El coste de preparar
las mquinas para hacer el trabajo es de 800 EUROS por mquina. Una vez que las
mquinas estn preparadas, la operacin es automtica y puede ser supervisada
por una sla persona, que gana 35 EUROS/hora.
a) Cuntas mquinas hay que usar para minimizar el coste de produccin?
b) Si se usa el nmero ptimo de mquinas, cunto ganar el supervisor durante el proceso?.
19. Las palomas domsticas no suelen volar sobre extensiones grandes de agua a
menos que se vean forzadas a ello, posiblemente porque se requiera ms energa
para mantener la altitud sobre el agua fra. Supongamos que se suelta una paloma
desde un barco situado a 3 km de la costa, siendo A el punto costero ms cercano.
El palomar se encuentra en un punto de la costa situado a 10 km de A. Si la paloma
gasta dos veces ms energa volando sobre el agua que sobre la tierra firme y sigue
un camino que hace mnima la energa gastada, determnese el punto dnde la
paloma abandona el agua.
20. Se desea construir un envase cilndrico de con un volumen fijo V0 . Calclense las
dimensiones (radio y altura) que ha de tener el envase para que la cantidad de
material invertido en construirlo, incluyendo las tapas, sea mnimo.
21. Ests diseando una lata cilndrica circular recta de volumen fijo V0 , cuyo costo
considerar el desperdicio de material. No se desperdicia nada al cortar el aluminio
para la superficie lateral, pero las tapas de radio r se cortan de cuadrados de lado
2r. Calcular las dimensiones que minimizan el coste de produccin.
22. Prubese que las funciones exponencial, seno y coseno son de clase C en R.
Prubese que
n N.
sen(x)(n) = sen(x + n ),
2
32
23. Prubese que la funcin logaritmo es de clase C en R+ y calclese, para cada

n N, la derivada n-sima.
24. Calclese, usando un desarrollo de Taylor conveniente, un valor aproximado del
nmero real con un error menor de 103 en cada uno de los casos siguientes:
a) =
70 5
b) =
e = e1/2
1
c) = sen .
2
25. Estdiense los posibles extremos relativos de la funcin f : R R en cada uno

de los siguientes casos:
a)
f (x) = xlog|x|,
x R ,
f (0) = 0.
f (x) = x2 log|x|,
x R ,
f (0) = 0.
b)
3.3. CAMPOS DIFERENCIABLES. DERIVADAS PARCIALES
3.3.
33
Campos diferenciables. Derivadas parciales
Sumario
Con esta leccin comienza el estudio de la derivacin en varias variables. El contenido
III.3.1 Derivada de un campo vectorial.
III.3.2 Derivadas parciales .
III.3.3 Matriz jacobiana.
III.3.4 Campos escalares.
III.3.5 Plano tangente.
III.3.6 Vector tangente a una curva.
III.3.7 Superficies y curvas en forma implcita
3.3.1.
Derivada de un campo vectorial.
Recurdese que si A un subconjunto no vaco de nmeros reales, a A

f : A R una funcin, entonces se dice que f es derivable en a si
limxa
A0 y
f (x) f (a)
= f 0 (a),
xa
o si se quiere
f (x) f (a) f 0 (a)(x a)

= 0.
xa
Tratemos ahora de dar sentido a la expresin anterior en el caso en que q y n
sean distintos de 1.
Sea A un subconjunto no vaco de vectores de Rq y sea a un punto interior de
A (para evitar problemas ya que que la aproximacin a un punto de Rn puede hacerse
por muy diferentes direcciones) y sea f : A Rn un campo vectorial.
Se dice que f es un campo derivable o diferenciable en a si existe una
aplicacin lineal T : Rq Rn (si q = n = 1, para cada x R, T (x) = f 0 (a)x) tal que
limxa
limxa
f (x) f (a) T (x a)
= 0.
kx ak
34
III.3 Campos diferenciables. Derivadas parciales
(Obsrvese que al no saber dividir vectores nos hemos visto obligados a introducir la
norma del vector)
Se puede probar que, si f es diferenciable en a, entonces la aplicacin lineal T
asociada es nica. Esta aplicacin lineal se denomina funcin derivada o diferencial
de la funcin f en el punto a y se nota por Df (a).
Vamos ahora a interpretar geomtricamente la existencia de este lmite:
Obsrvese que si q = 2 y n = 1 entonces T (x, y) = cx + dy, para algunos
c, d R. Por tanto, si (a, b) A, entonces z = f (a, b) + T (x a, y b) es la ecuacin
de un plano que pasa por el punto (a, b, f (a, b)), de hecho, la condicin del lmite nos
permite afirmar que, de todos los planos que pasan por dicho punto, es el que mejor se
aproxima a la grfica del campo f en las proximidades del punto (a, b, f (a, b)).
Es fcil probar que todo campo diferenciable en un punto a es tambin
continuo en a. Es cierto el recproco? Considrese el siguiente ejercicio.
Ejercicio: Sea f : R2 R, definida por:
f (x, y) = |x| + y.
Demustrese que, pese a que f es continuo en (0, 0), f no es diferenciable en (0, 0).
Se dice que f es diferenciable en un subconjunto B A si es diferenciable en
cada punto de B.
Ejemplos:
1. Si q=n=1 y f : A R es una funcin, entonces f es diferenciable en a si, y slo
si, f es derivable en a. En tal caso, Df (a)(x) = f 0 (a)x, x R
2. Los campos constantes Cy : Rq Rn , donde y es un vector de Rn , y definidos
por
Cy (x) = y, x Rq
son diferenciables en Rq y su diferencial DCy (x) = 0, donde por 0 notamos a la
aplicacin lineal T : x 7 0.
3. Toda aplicacin lineal S : Rq Rn , es un campo diferenciable en Rq y su
diferencial DS(x) = S. En particular, las proyecciones en Rn son campos diferenciables en todo punto y, para cada i, Dpi (a) = pi . Igualmente las inyecciones para
cada i, Ii : R Rn son diferenciables en todo punto y DIi (a) = Ii .
Veamos ahora algunas propiedades de los campos diferenciables. Comencemos
observando que la propiedad de diferenciabilidad es una propiedad local.
Anlisis Matemtico
35
Proposicin 3.3.1. (La derivabilidad es una propiedad local)

Sean A un subconjunto de vectores de Rq , B un subconjunto de A, a un punto
interior de B y f : A Rn un campo vectorial. Entonces
1. Si f es diferenciable en a, entonces f /B es un campo diferenciable en a.
2. Si f /BTes diferenciable en a y existe una bola centrada en a, B(a, r), tal que
B(a, r) A B, entonces f es un campo diferenciable en a.
En orden a construir nuevos campos diferenciables, veamos que las operaciones

usuales estn bien avenidas con la diferenciabilidad.
Proposicin 3.3.2. Sean A un subconjunto de vectores de Rq , a A y f, g : A Rn
dos campos diferenciables en a. Entonces
1. f + g es un nuevo campo diferenciable en a. De hecho, D(f + g)(a) = Df (a) +
Dg(a).
2. Si r R, rf es tambin un campo diferenciable en a. De hecho, D(rf )(a) =
rDf (a).
3. Si n = 1, f.g tambin es un campo diferenciable en a y si adems, para cada
x A, g(x) 6= 0, entonces f /g es tambin diferenciable en a.
Proposicin 3.3.3. (Regla de la cadena)

Sean A un subconjunto de vectores de , a Rq un punto interior A y f : A Rn una
funcin diferenciable en a. Sean ahora B f (A) y f (a) es interior a B y g : B Rm
una funcin diferenciable en f (a). Entonces g f es una funcin diferenciable en a. En
caso afirmativo,
D(g f )(a) = Dg(f (a)) Df (a).
Como consecuencia de las propiedades vistas veamos ahora que las funciones
coordenadas son diferenciables si, y slo si, lo es f .
Proposicin 3.3.4. (Regla de oro)
Sean A un subconjunto no vaco de vectores de Rq , a un punto interior de A y
f : A Rn un campo vectorial. Entonces f es diferenciable en a si, y solo si fi es
diferenciable en a i. Adems en caso afirmativo:
(Df (a))i = Dfi (a).
Ejercicio: Estudiar la diferenciabilidad del campo vectrorial f : R+ R R3 ,
definido por
f (x, y) = ( x, x2 , x + y).
36
3.3.2.
Derivadas parciales
Qu ocurre si slo nos podemos acercar a un punto de Rq en una determinada direccin? Pues que en este caso aparecen lo que se denominan las derivadas
direccionales:
Sea n N, a A Rq , f : A Rn un campo vectorial. Supongamos que
existe un vector u de Rq y > 0 tal que a + ru A, con r ] , [. Diremos que f
admite derivada direccional en el punto a en la direccin de u si existe
limt0
f (a + tu) f (a)
.
t
Dicho lmite si existe ser denominado derivada direccional de f en el punto

a en la direccin de u y ser notado por Du f (a), por f 0 (a; u) tambin por f
(a) .
u
Obsrvese que Du f (a) es un vector de Rn .
Las derivadas direccionales ms destacadas se obtienen tomando como vectores
u los vectores cannicos de Rq .
Sea ei = (0, 0, ..., 1, 0, ..., 0) el vector de Rq cuya nica coordenada no nula es
la i-sima cuyo valor es uno. Supongamos que existe > 0, tal que a + rei A, con
r ] , [. Se dice que f tiene derivada parcial respecto de la variable i-sima
en el punto a si existe
f (a + tei ) f (a)
limt0
.
t
Dicho lmite se denomina derivada parcial i-sima de f en el punto a y se nota
f
por x
(a), f 0 (a; ei ) tambin por Di f (a).
i
Ejercicio : Calclense, si existen, las derivadas parciales en (0, 0) del siguiente
campo escalar : f : R2 R, definida por:
( 3 3
x +y
si (x, y) 6= (0, 0)
x2 +y 2
f (x, y) =
0
si (x, y) = (0, 0)
Notas
1. Si f : A Rn es diferenciable en a Ao Rq , entonces
Du f (a) = Df (a)(u), u Rq .
En particular, para cada i,
f
(a) = f 0 (a; ei ) = Di f (a) = Dei f (a) = Df (a)(ei ).
xi
Anlisis Matemtico
37
2. Si f es un campo escalar , entonces el clculo de la derivada parcial i-sima de f

en un punto genrico x = (x1 , x2 , ..., xq ) se ha de llevar a cabo derivando la funcin
real que resulta de considerar constantes las variables xj (j 6= i). Expliquemos este
punto en el caso q = 2.
Sea f : A R un campo escalar con A R2 . Sea (a, b) A tal que
(a, b) + t(0, 1) A, siempre que t ] , [ para un cierto > 0. Consideremos el
conjunto
A[b] = {x R; (x, b) A}
y la funcin real de variable real
g = f b : x 7 f (x, b) x A[b].
Pues bien, g es derivable en a si, y slo si, existe
f
(a, b).
x
De hecho
g(a + t) g(a)
f (a + t, b) f (a, b)
= limt0
=
t
t
f (a, b) + t(1, 0) f (a, b)
f
= limt0
=
(a, b).
t
x
g 0 (a) = limt0
3. Vamos a dar ahora una interpretacin geomtrica de las derivadas parciales de un

campo escalar.
Consideremos la grfica del campo escalar anterior , esto es
Graf (f ) = {(x, y, z) R3 ; z = f (x, y)}.
El plano y = b, corta a la grfica, dando lugar a una curva C1 ,
C1 := {(x, b, f (x, b)) R3 : f (x, b) A}.
Obsrvese que la curva C1 es la grfica de la funcin g(x) = f b (x) = f (x, b),
de manera que la pendiente de su recta tangente es g 0 (a) = f
(a, b).
x
Anlogamente podra entenderse para la derivada parcial
f
(a, b).
y
4. Vamos a dar ahora una interpretacin propiamente fsica de las derivadas parciales
de un campo escalar.
Las derivadas parciales pueden interpretarse como razones de cambio: Consideremos la funcin T que determina la temperatura en cualquier punto de la
corteza terrestre. Claramente sta depende, en cada punto (x, y), de la longitud
(a, b) es la razn a la
x y de la latitud y de dicho punto. La derivada parcial T
x
que la temperatura cambia en la direccin este-oeste, mientras que T
(a, b) es la
y
razn a la que la temperatura cambia en la direccin norte-sur.
(a) se suele
5. Si f : A Rn es un campo vectorial tal que A R, entonces f
x
0
notar por f (a) y recibe el nombre de derivada elemental de f en a.
38
En el caso particular de las derivadas parciales, tambin disponemos de una

regla de oro:
Proposicin 3.3.5. (Regla de oro)
Sean A un subconjunto no vaco de vectores de Rq , a un punto interior de A y
f : A Rn . Entonces f admite todas sus derivadas parciales en a si, y solo si fi
admite todas sus derivadas parciales en a i. Adems en caso afirmativo:
(
f
fi
(a))i =
(a).
xj
xj
i = 1, 2, ..., n,
j = 1, 2, ..., q.
En particular si q = 1, entonces f 0 (a) = (f10 (a), f20 (a), ..., fn0 (a)).
Ejercicio: Sea f : R2 R3 definida por f (x, y) = (x + y, x2 , xy). Calclese
f
(1, 2).
x
3.3.3.
Matriz jacobiana
Dada una aplicacin lineal T : Rq Rn , es sabido que conocidos los valores

T (ei ), donde ei = (0, 0, ..., 0, 1i) , 0, ..., 0) Rq , se puede conocer el valor de T (x) para
todo x = (x1 , x2 , ..., xq ), concretamente
T (x) =
q
X
xi T (ei ).
i=1
Si aplicamos este hecho a la funcin derivada Df (a), lo que estamos afirmando es

que conocidas las derivadas parciales de f en el punto a, la funcin derivada Df (a),
si existe, est determinada. De hecho, esto nos permite asociar a la aplicacin lineal T
una matriz Anq cuya, columna i-sima est formada por las coordenadas del vector
T (ei ), de modo que
(T (x))t = A xt , x = (x1 , x2 , ..., xq ) Rq ,
donde por (T (x)t y xt indicamos, respectivamente, los vectores T (x) y x dispuestos en
forma de columna.
Apliquemos ahora esta idea a la aplicacin derivada.
Sean A Rq , a un punto interior de A y f : A Rn una funcin que admite
todas sus derivadas parciales. Se llama tiene matriz jacobiana de f en el punto a,
f
(a), esto es,
Jf (a), a la matriz cuya columna i-sima son las coordenadas del vector x
i
la matriz de orden n q, dada por:
f1
f1
f1
(a) x
(a)
...
(a)
x1
x
q
2
f2 (a) f2 (a) ... f2 (a)
x1
x2
xq
Jf (a) :=
...
...
...
...
fn
n
n
(a) f
(a) ... f
(a)
x1
x2
xq
Anlisis Matemtico
39
En consecuencia, si f es diferenciable en a, para cada x Rq ,

(Df (a)(x))t = (Jf (a))(x)t .
Notas
1. Obsrvese que si f : A R es una funcin real de variable real (q = n = 1),
entonces
Jf (a) = f 0 (a).
2. Regla de la cadena para derivadas parciales:
Sabemos que si A es un subconjunto de vectores de , a Rq un punto interior
A, f : A Rn una funcin diferenciable en a, B f (A) y f (a) es interior a
B y g : B Rm una funcin diferenciable en f (a), entonces h = g f es una
funcin diferenciable en a y que
D(h)(a) = Dg(f (a)) Df (a).
Si ahora Jf (a) representa la matriz jacobiana de f en un punto a y Jg (a)
representa la matriz jacobiana de g en el mismo punto f (a), entonces se tiene que
Jh (a) = Jg (f (a))Jf (a).
Ahora bien, de aqu podemos deducir una frmula para las derivadas parciales
de las componentes de la funcin compuesta h = g f concretamente
n
X gk
hk
fi
(a) =
(f (a))
(a).
xj
y
x
i
j
i=1
Esta frmula es igualmente cierta si existen todas las derivadas parciales
aunque ambas funciones f y g no sean necesariamente diferenciables respectivamente en a y f (a).
Para recordar esta frmula existe una regla nemotcnica que consiste en
identificar hk con gk (k = 1, 2, ..., m) y fi con yi (i = 1, 2, ..., n), quedando para
cada j = 1, 2, ..., q
n
X
gk
gk
yi
(a) =
(f (a))
(a).
xj
y
x
i
j
i=1
Ejemplo
(1, 2) y F
(1, 2), donde la funcin F (u, v) = u2 + 3uv + 4v 2 , siendo
Calclese F
x
y
u = 2 2xy 2 y v = 1 + x.
40
3.3.4.
Campos escalares
Como consecuencia de las sucesivas reglas de oro ya establecidas parece natural

reducir nuestro esfuerzo a los campos escalares.
Sea A un subconjunto de Rq , a un punto interior de A y sea f : A R un
campo escalar. Se dice que f tiene gradiente en a si admite las q derivadas parciales
en a, en cuyo caso definimos el vector gradiente de f en a por:
f (a) := (
f
f
f
(a),
(a), ...,
(a)) Rq .
x1
x2
xq
De hecho, para cada x Rq ,

Df (a)(x) =< f (a), x > .
Notas
1. Si f : A R, es un campo diferenciable en un punto interior a de A, entonces,
para cada i, los q nmeros que componen la fila i-sima de la matriz jacobiana
son las componentes del vector fi (a).
2. Si f : A R es un campo escalar que admita todas sus derivadas parciales en
a A, entonces
Jf (a) = f (a),
y por tanto
Jf (a)(x)t =< f (a), x > .
3. La derivada direccional es mxima cuando nos movemos en la direccin del vector
f (a)
gradiente, es decir, con v = kf
. En efecto, segn la relacin que hemos comen(a)k
tado ms arriba entre Df (a) y f (a), tenemos que si v Rq , con kvk = 1
entonces se verifica
|Dv f (a)| = |Df (a)(v)| = | < f (a), v > | kf (a)k kvk = kf (a)k .
f (a)
Y si tomamos como vector director v = kf
obtenemos que se alcanza el
(a)k
mximo valor de la derivada direccional, puesto que
|Dv f (a)| = | < f (a),
f (a)
> | = kf (a)k
kf (a)k
Ya hemos visto que si f es diferenciable en un punto interior a de A, entonces

f admite todas sus derivadas parciales en a. Es cierto el recproco? Considrese el
siguiente ejercicio.
Anlisis Matemtico
41
Ejercicio: Sea f : R2 R, definida por:

( 3 3
x +y
si (x, y) 6= (0, 0)
y 2 +x2
f (x, y) =
0
si (x, y) = (0, 0)
Demustrese que, pese a que existen todas sus derivadas parciales, f no es diferenciable
en (0, 0).
Obsrvese que en este caso el vector gradiente nicamente sirve para determinar
el candidato a funcin derivada. As pues, hemos de imponer algo ms que la existencia
de derivadas parciales para que la funcin sea diferenciable:
Dado A un subconjunto abierto de Rq y sea f un campo escalar definido en A,
se dice que f es clase C 1 en A, f C 1 (A) si existen las derivadas parciales de f en A
y son continuas en A.
En consecuencia
Corolario 3.3.6. Si A es un subconjunto abierto de Rq y f un campo escalar de clase
C 1 en A, entonces f es diferenciable en A.
LLegado este momento, podemos considerar la siguiente estrategia para el estudio
de la diferenciabilidad de una cierta funcin en un punto a:
1 Estudiamos la continuidad de sus funciones coordenadas en dicho punto
a) Si alguna funcin coordenada no es continua en dicho punto, entonces el
campo no es continuo, y por tanto, no es diferenciable.
b) Si todas las funciones coordenadas son continuas, entonces no sabemos nada
por el momento.
2 Estudiamos la diferenciabilidad de sus funciones coordenadas en dicho punto.
a) Si todas las derivadas parciales de sus funciones coordenas existen y son
continuas en un conjunto abierto que contenga al punto, entonces f es diferenciable en dicho punto.
b) En otro caso, estudiamos la existencia del vector gradiente de cada funcin
coordenada,
i) Si tal vector no existe para alguna funcin coordenada, el campo no es
diferenciable en dicho punto.
ii) Si tal vector existe para todas las funciones coordenadas, tenemos candidato a diferencial de f y hay que aplicar la definicin.
42
3.3.5.
Plano tangente
Sea f : A R una funcin diferenciable en un punto (a, b) A, con A un

subconjunto de R2 . Se llama superficie definida por f a la grfica de esta funcin, esto
es
S = {(x, y, z) R3 : (x, y) A, z = f (x, y)} R3
De la misma forma que, en el caso de una variable, la derivada de una funcin
nos permite construir la recta tangente a la grfica o curva definida por una funcin,
en el caso en el que estamos ahora, la diferencial (o vector gradiente) nos va a permitir
construir el plano tangente a la grfica o superficie definida por f . En concreto, se llama
plano tangente a f en el punto (a, b, f (a, b)) (Por abuso del lenguaje suele decirse en
el punto (a, b)) al plano de ecuacin
(f, (a, b)) z = f (a, b) +
f
f
(a, b) (x a) +
(a, b) (y b)
x
y
o, equivalentemente
(f, (a, b)) z = f (a, b)+ < f (a, b), (x a, y b) >
El vector normal de la superficie definida por f en el punto (a, b, f (a, b)), no
es otro que el vector normal al plano tangente , esto es,
f
f
N (f, (a, b)) = (a, b), (a, b), 1
x
y
Finalmente podemos generalizar estos conceptos de la siguiente manera:
Dada una aplicacin lineal T : Rq Rn , es sabido que Graf (T ) es un
"subespacio vectorial "de Rq Rn . Llamamos variedad afn al trasladado de cualquier
subespacio. De hecho, toda variedad afn que contiene al punto P Rq Rn , es de la
forma P + Graf (T ), donde T es una aplicacin lineal.
Vamos ahora a interpretar geomtricamente el hecho de que una funcin sea
diferenciable en un punto.
Si f es diferenciable en a, llamaremos variedad afn tangente a la grfica
de f en el punto (a, f (a)) al conjunto
(a, f (a)) + Graf (Df (a)).
Tngase en cuenta que
(x, y) (a, f (a)) + Graf (Df (a)) y f (a) = Df (a)(x a).
La condicin inherente a Df (a) asegura que dicha variedad afn tangente es la
variedad afn que pasa por el punto (a, f (a)) que ms se asemeja a la funcin f en las
cercanas del punto (a, f (a)).
Anlisis Matemtico
43
A la grfica de un campo escalar f se suele denominar hipersuperficie, esto

es, al conjunto
Graf (f ) = {(x1 , x2 , ..., xq , xq+1 ); xq+1 = f (x1 , x2 , ..., xq )}.
Por otra parte, a la grfica de su variedad afn tangente, esto es, al conjunto de
vectores de Rq+1 tales que
xq+1 = f (a) + Df (a)(x a) = f (a)+ < f (a), x a >,
se le suele llamar hiperplano tangente
3.3.6.
Vector tangente a una curva
Diremos que toda funcin continua : [a, b] Rn es una curva en Rn

Llamaremos traza grfica de la curva a la imagen de dicha curva, ,
= ([a, b]).
A veces, haciendo un abuso del lenguaje, identificamos la curva con su traza.
Se dice que la curva es regular si es de clase C 1 en [a, b]. La curva se dice
regular a trozos si existe una particin P del intervalo [a, b], P = {x0 , x1 , ..., xn }, tal
que la curva /[xk1 ,xk ] es regular para k = 1, 2, ..., n.
El ejemplo ms sencillo de curva regular es el segmento. Dados dos puntos x e y
de Rn , se define el segmento de extremos x e y, [x, y], como la curva
: [0, 1] Rn ,
definida por (t) = (1 t)x + ty.
Una curva en el plano puede venir dada en forma paramtrica:
Sea : [a, b] R2 , definida por (t) = (f (t), g(t)), donde f, g : [a, b] R
son sendas funciones continuas.
Por ejemplo, la propia elipse de semiejes a y b, puede verse tambin como la
curva : [0, 2] R2 , definida por
(t) = (acos(t), bsen(t)).
El caso particular ms notorio es la grfica de una cierta funcin real de variable

real continua.
44
Si f, g C 1 ([, b]), y si t0 [a, b], con 0 (t0 ) 6= (0, 0), la recta tangente a en
el punto t0 , es la recta de ecuaciones paramtricas
(x, y) = (t0 ) + t 0 (t0 ).
Diremos que el vector 0 (t0 ) = (f 0 (t0 ), g 0 (t0 )) es tangente a en el punto t0 .
Obsrvese que (t0 ) + t 0 (t0 ) es la ecuacin de una recta que pasa por el punto
(t0 ), de hecho, la condicin de la derivada elemental de nos permite afirmar que, de
todas las rectas que pasan por dicho punto, es la que mejor se aproxima a la traza de
la curva en las proximidades del punto (t0 ).
Por otra parte, podemos interpretar la curva como la trayectoria que recorre
un mvil cuyo vector de posicin en el instante t viene dado por (t) = (x(t), y(t)). En
tal caso, el vector derivada 0 (t) = (x0 (t), y 0 (t)) es la velocidad del mvil en el instante
t y su norma ||(t)|| es la rapidez o celeridad del mvil en el instante t.
Las definiciones son anlogas para una curva dada mediante sus ecuaciones
paramtricas en el espacio.
3.3.7.
Curvas y superficies dadas en forma implcita
Curva en el plano en forma implcita:

Es el caso en que la grfica de la curva viene dada como el conjunto de puntos
del plano que anulan una funcin g de dos variables. Por ejemplo la elipse de semiejes
a y b es tal que
= {(x, y); x2 /a2 + y 2 /b2 = 1}.
Si viene dada en forma implcita, la recta tangente en un punto (a, b) , es
la recta de ecuacin implcita
< g(a, b)|(x a, y b) >= 0
Este hecho, se refiere diciendo que el vector gradiente g(a, b) es ortogonal a en
el punto (a, b). Se supone que el vector gradiente g(a, b) 6= 0, pues en otro caso, la
tangente en (a, b) no est definida.
Vamos ahora a explicar esta circunstancia:
Podemos considerar la curva C que resulta de cortar la superficie S anterior
con el plano z = c = f (a, b). Dicha curva recibe el nombre de curva de nivel de la
superficie S para c, es decir
C := {(x, y, c) R3 : f (x, y) = c}.
Anlisis Matemtico
45
La recta resultante de intersectar el plano tangente de la superficie S en el punto

(a, b) con el plano z = c es la recta tangente a la curva de nivel C y tiene de ecuaciones
f
f
(a, b) (x a) +
(a, b) (y b) = 0
x
y
z=c
o, lo que es lo mismo
< f (a, b), (x a, y b) >= 0 y z = c
As pues, basta considerar esta circunstancia para el campo g(x, y) = f (x, y) c y
el plano z = 0.
Superficies en en forma implcita:
Tambin las superficies se pueden definir de forma implcita (pinsese en la esfera),
esto es, pueden verse como subconjuntos del espacio R3 descritos por una ecuacin de
la forma
g(x, y, z) = 0
para una cierta funcin g : R3 R que supondremos diferenciable. En este caso, el
plano tangente a la superficie en el punto (a, b, c) tiene la ecuacin (implcita)
g
g
g
(a, b, c) (x a) +
(a, b, c) (y b) + (a, b, c) (z c) = 0
x
y
z
que es lo mismo que escribir
< g(a, b, c), (x a, y b, z c) >= 0
con lo que el vector normal a una superficie de este tipo en el punto (a, b, c) es el vector
gradiente de g en ese mismo punto.
3.3.8.
1. Calclese el vector gradiente en un punto arbitrario (x, y) de la funcin f en cada

a) f (x, y) = x3 + 3xy 2 15x 12y (x, y) R2 .
b) f (x, y, z) = (x + z 2 )ex(y
2 +z 2 +1)
(x, y, z) R3 .
c) f (x, y, z) = xy+z , x R+ , y, z R
d) f (x, y, z) = (x + y)z , x, y R+ , z R
2. Dese un ejemplo de una funcin de Rn en R, n > 1 que sea continua en un punto
pero que no sea diferenciable en l.
46

3. Sea la funcin definida como f (x, y, z) = (3x2y +z, x+3y 2z) , (x, y, z) R3 .
Prubese que f es diferenciable en cualquier punto de R3 y obtngase la diferencial
de la funcin en (1, 1, 1).
4. Estdiese la diferenciabilidad de las siguientes funciones definidas en R2 :
a) f (x, y) = x3 + xy y 2
p
b) f (x, y) = 3 x2 y 2
p
c) f (x, y) = |xy|
5. Estdiese la diferenciabilidad en el origen de las siguientes funciones:
f : R2 R3 , definida por
1
f (x, y) = (ex+y , sen(x y), x2 sen ) si x 6= 0
x
f (0, y) = (ey , sen(y), 0)
g : R3 R3 , definida por
1
g(x, y, z) = (cos yz, xyz, ) , si z 6= 0
z
g(x, y, 0) = (1, 0, 0)
Calclese, en el caso de que exista, la derivada en el origen.
6. Calclese el plano tangente a las siguientes superficies en el punto que se indica:
a) z = log(1 + x2 + y 2 ) en (0, 0, 0).
b) z 2 + 3x x2 y 2 = 2 en (1, 1, 1).
c) x3 + y 3 + z 3 + xyz 6 = 0 en (1, 2, 1).
d ) z = sen(x)sen(y) en (/2, /4).
7. Sea f : R R diferenciable. Sea g : R2 R definida por g(x, y) = f (x2 y).
Prubese que
g
g
= 2y .
x
x
y
8. Sea h(x, y, z) = f (x2 +2yz, y 2 +2xz), (x, y, z) R3 con f : R2 R una funcin
diferenciable. Prubese que:
(y 2 xz)
9. Calclese F
y
x
v = 1 + x:
F
y
h
h
h
+ (x2 yz)
+ (z 2 xy)
= 0.
x
y
z
de la funcin F (u, v) = u2 + 3uv + 4u2 , siendo u = 2 2xy 2 y
a) Mediante la regla de la cadena.
Anlisis Matemtico
47
b) Sustituyendo u y v por sus valores.

10. Sean f y g dos funciones reales de variable real, diferenciables en R. Se define la
funcin de dos variables z(x, y) = x2 yf (u) + xy 2 g(v), con u = xy , v = xy . Calclese
z
z
x (x, y) + y (x, y).
x
y
3.4. CLCULO DE EXTREMOS
3.4.
49
Clculo de extremos
Sumario
En esta leccin vamos a examinar criterios que nos permitan determinar los extremos de
un campo escalar. El contenido completo de esta leccin se articula de la siguiente manera:
III.4.1 Extremos relativos de un campo escalar.

III.4.2 Extremos relativos y derivabilidad.
III.4.3 Condicin suficiente de extremo relativo
3.4.1.
Extremos relativos de un campo escalar
Sea A un subconjunto no vaco de Rq , a A y f : A R un campo escalar. Se

dice que
a es un mximo relativo o que f tiene un mximo relativo en a si se verifican
a) Existe r > 0 tal que B(a, r) A.
b) f (a) f (x), x B(a, r).
a es un mnimo relativo o que f tiene un mnimo relativo en a si se verifican
a) Existe r > 0 tal que B(a, r) A.
b) f (a) f (x), x B(a, r).
a es un extremo relativo si o bien es un mximo relativo bien es un mnimo
relativo.
Como ya vimos en la leccin 3.2, sabemos que, en general, no existe relacin
entre extremo relativo y extremo absoluto, salvo que todo extremo absoluto, que sea
un punto interior, tambin es un extremo relativo.
50
III.4 Extremos relativos
3.4.2.
Extremos relativos y derivabilidad
Comencemos viendo que en todo extremo relativo las derivadas parciales se

anulan. Antes necesitamos la siguiente definicin:
Sean A un subconjunto no vaco de Rq , a un punto interior de A y f : A R
un campo escalar que admite todas sus derivadas parciales en a. Diremos que a es un
punto crtico de f si, para cada i {1, 2, ..., n},
f
(a) = 0.
xi
Proposicin 3.4.1. Sean A es un subconjunto no vaco de vectores de Rq , a un punto
interior de A y f : A R un campo escalar que admite todas sus derivadas parciales
en a. Si f tiene un extremo relativo en a entonces a es un punto crtico de f .
Este sencillo resultado nos permite elaborar la siguiente regla prctica para
detectar los posibles extremos de un campo escalar.
Regla prctica para el clculo de extremos
Sean A un subconjunto no vaco de Rq y f : A R un campo escalar.
Supongamos que f alcanza su mximo o su mnimo absoluto en a A, entonces a est
en una de las tres situaciones siguientes:
1) a es un punto frontera.
2) a es un punto interior y f no admite alguna derivada parcial en a.
3) a es un punto interior crtico.
Una vez detectados los candidatos, se nos puede presentar una de las dos
siguientes situaciones:
1) El conjunto A es compacto y f es continua.
2) No se dan alguna de las circunstancias del primer apartado.
En el primer caso sabemos, por el teorema de Weiertrass sobre la conservacin
de la compacidad, que f alcanza sus valores mximo y mnimo en sendos puntos de A,
por lo que basta evaluar f en los candidatos de los tres tipos para determinar quienes
son estos extremos. En el segundo caso, nos contentaremos con saber que, de haber
mximo mnimo, ste est entre nuestros candidatos.
Ejercicio: Calclense, si existen, los extremos de la funcin f : A R, definida
en el conjunto A que es el cuadrado de vrtices (0, 0), (1, 0), (0, 1), (1, 1) mediante la ley
f (x, y) = xy(1 x)(1 y).
Anlisis Matemtico
51
Qu puede decirse si A = R2 ?
Vamos ahora a buscar una condicin suficiente que nos permita saber cuando
un punto crtico es efectivamente un extremo relativo y de qu tipo es. Este tipo de
criterios envuelve, como ya pas en variable real, a las derivadas sucesivas.
3.4.3.
Derivadas parciales de orden superior
Sea A un subconjunto de vectores de Rq y a un punto interior de A y supongamos

que f admite su derivadas parcial j-sima en una cierta bola centrada en a, B(a, r) A.
Se dice que f admite la derivada parcial de segundo orden res-pecto de las
f
(x) definida en B(a, r) admite
variables i, j en el punto a, si la funcin x 7 x
j
derivada parcial i-sima en el punto a, y notaremos
f
( x
)
2f
j
Dij f (a) =
(a) =
(a).
xi xj
xi
Una funcin de q variables admite, suponiendo que existan todas, q 2 derivadas

de orden 2.
De forma anloga se definen las derivadas de orden 3, y de orden k en general.
Adems, se dice que f es clase C k (A) si existen todas las derivadas parciales de orden
k en A y son continuas.
2f
2
Las derivadas parciales xi x
(a) y xj fxi (a) se las conoce como derivadas cruj
zadas. El siguiente resultado establece una condicin suficiente para que estas derivadas
cruzadas coincidan.
Lema 3.4.2 (de Schwartz). Sean f : A R , A un abierto de Rq y a A. Sean
2f
(a) , x A, siendo
i, j {1, 2, . . . , q} con i 6= j, y supongamos que existe xi x
j
adems esta funcin continua en a. Entonces, existe la otra derivada cruzada en a y
ambas coinciden.
En particular,
Corolario 3.4.3. Sea A un conjunto abierto de Rq y f C 2 (A). Entonces
2f
2f
(a) =
(a), i, j {1, 2, . . . , q} , i 6= j .
xi xj
xj xi
Las derivadas parciales de orden 2 nos permiten construir una matriz que
utilizaremos para calcular extremos relativos de campos escalares.
Si f admite todas sus derivadas parciales segundas en a, se define la matriz
hessiana de f en a por:
2f
2f
2f
(a) x1 x
(a) ... x1 x
(a)
x1 x1
q
2
2f
2f
2f
x2 x1 (a) x2 x2 (a) ... x2 xq (a)
Hf (a) :=
...
...
...
...
2f
2f
f
(a) xq x2 (a) ... xq xq (a)
xq x1
52
En virtud del corolario del Lema de Schwartz, si f C 2 (A), entonces, para

cada a A H(f, a) es una matriz simtrica. En este caso, se puede definir la forma
cuadrtica asociada a H(f, a) de la forma siguiente:
Q(f, a) : Rq R definida por
Q(f, a)(x) = x H(f, a) xt ,
o, lo que es lo mismo
Q(f, a)(x) = x1 x2 . . . xq
2f
(a)
x1 x1
2f
(a)
x2 x1
2f
(a)
x1 x2
2f
(a)
x2 x2

2f
(a)
x1
x1 xq
x2
2f
(a)
x2 xq

...
...
...
...
...
2f
f
(a) xq x2 (a) ...
xq x1
...
2f
xq xq
.
..
xq
(a)
Es fcil probar que para cada vector u Rq , Q(f, a)(u) = uf2 .

En particular, si q = 2, n = 1, y (a, b) A, y f
(a, b) = 0, entonces Q(f, (a, b))(e1 )
x
es la segunda derivada de la funcin g(x) = f b (x) y por tanto indicar si la grfica de
g tiene en el punto (a, b, f (a, b) un mximo un mnimo.
Calclese la forma cuadrtica asociada a la matriz hessiana de f (x, y) = x4
2xy 3 + 3y 2 en el punto (1, 1).
Con esta notacin, podemos presentar la frmula de Taylor para campos escalares
y de orden 2.
Teorema 3.4.4 (de Taylor). Sea A un conunto abierto de Rq y f C 2 (A). Sean
x, a A tales que el segmento [x, a] A. Entonces existe un campo escalar R2 de
forma que
1
f (x) = f (a)+ < f (a), x a > + Q(f, a)(x a) + R2 (x a)
2
R2 (x a)
=0.
xa kx ak2
y tal que lm
Obsrvese que, escribiendo la frmula de la siguiente forma, sta nos recuerda a la

que ya conocemos en R.
q
q
X
1 X 2f
f
f (x) = f (a) +
(a)(xj a) +
(a)(xi ai )(xj aj ) + R2 (x a)
xj
2 i,j=1 xj xi
j=1
Ejercicio
Aplicar la frmula de Taylor a f (x, y) = log(1 + x2 + y 2 ) en (0, 0).
Anlisis Matemtico
3.4.4.
53
Condicin suficiente para la existencia de extremos relativos
A continuacin vamos a establecer condiciones que nos permitan decidir cundo un

punto de crtico es extremo o no.
Recordemos que la frmula de Taylor, en el caso de que la funcin est en las
condiciones adecuadas, y cuando la aplicamos a un punto crtico, esto es, f (a) = 0,
nos dice que
1
f (x) f (a) Q(f, a)(x a)
2
Esto ltimo nos lleva a considerar el signo de la forma cuadrtica Q(f, a).
Para simplificar la notacin, llamaremos Q a la forma cuadrtica asociada a H(f, a).
Entonces se dice que:
i. Q es definida positiva sii
Q(x) 0 , x Rq y Q(x) = 0 x = 0.
ii. Q es definida negativa sii
Q(x) 0 , x Rq y Q(x) = 0 x = 0.
iii. Q es semidefinida positiva sii
Q(x) 0 , x Rq y x 6= 0 , Q(x) = 0.
iv. Q es semidefinida negativa sii
Q(x) 0 , x Rq y x 6= 0 , Q(x) = 0.
v. Q es indefinida sii
x, y Rq , Q(x) < 0 < Q(y).
Comenzamos con el siguiente resultado:

Proposicin 3.4.5. Sean A un abierto de Rq , f C 2 (A) y a A un punto crtico de
f . Entonces se verifica que:
i) Si f alcanza en a un mnimo relativo, entonces Q es semidefinida positiva.
ii) Si f alcanza en a un mximo relativo, entonces Q es semidefinida negativa.
iii) Si Q es definida positiva, entonces f alcanza en a un mnimo relativo.
iv) Si Q es definida negativa, entonces f alcanza en a un mximo relativo.
v) Si Q es indefinida, entonces f no alcanza extremo en a. En este caso se dice que
f presenta un punto de silla en a.
El recproco de estos resultados no es cierto. Con los siguientes ejemplos verificamos
que una misma forma cuadrtica semidefinida se puede presentar tanto en casos de
extremo, como en casos de no extremo.
Ejercicio
54

1. f : R2 R , f (x, y) = x2 + y 4 . Comprobamos que (0, 0) es el nico punto crtico
de f . Si calculamos la matriz hessiana de f en (0, 0) nos queda
2 0
H=
0 0
que es semidefinida positiva. Pero en este caso podemos concluir que en (0, 0) se
tiene mnimo absoluto puesto que
f (x, y) = x2 + y 4 0 = f (0, 0) , (x, y) R2
2. f : R2 R , f (x, y) = x2 y 3 . Esta funcin tambin tiene al (0, 0) como nico
punto crtico y la matriz hessiana en ese punto es precisamente la misma que la
del ejemplo anterior. Sin embargo, en este caso, no se alcanza extremo relativo en
(0, 0) ya que si > 0, entonces se tiene que
f (, 0) = 2 > 0
f (0, ) = 3 < 0
As pues el estudio emprendido se reduce a clasificar la forma cuadrtica Q(f, a)

adociada a la matriz hessiana Hf (a).
Para ello, consideramos dos mtodos. El primer mtodo es til para dos y tres
dimensiones, mientras que el segundo es ms prctico para el caso q 3.
Caso q=2
Proposicin 3.4.6. Sea A es un subconjunto abierto de vectores de R2 , f C 2 (A) y
(a, b) un punto crtico de f .
1. Si
2f
(a, b) > 0,
x2
entonces (su forma cuadrtica es definida positiva y por tanto) f tiene en (a, b)
un mnimo relativo estricto.
det(Hf (a, b)) > 0 y
2. Si
2f
(a, b) < 0,
x2
entonces (su forma cuadrtica es definida positiva y por tanto) f tiene en (a, b)
un mximo relativo estricto.
det(Hf (a, b)) > 0 y
3. Si f tiene alguna derivada de segundo orden en a distinta de cero y es tal que

det(Hf (a, b)) 0,
2f
2f
(a,
b)
0
y
(a, b) 0,
x2
y 2
entonces (su forma cuadrtica es semidefinida positiva y por tanto) de tener f un

extremo relativo en (a, b), ste ha de ser un mnimo.
Anlisis Matemtico
55
4. Si f tiene alguna derivada de segundo orden en (a, b) distinta de cero y es tal que
det(Hf (a, b)) 0,
2f
2f
(a,
b)
0
y
(a, b) 0,
x2
y 2
entonces (su forma cuadrtica es semidefinida negativa y por tanto) de tener f

un extremo relativo en a, ste ha de ser un mximo.
5. Si
det(Hf (a, b)) < 0,
entonces (su forma cuadrtica es indefinida y por tanto) f no tiene ningn extremo
relativo en (a, b).
Ejercicio: Calclense los extremos de la funcin f : R2 R, definida por
f (x, y) = x2 + y 2 2x 2y.
Caso q = 3:
Para enunciar el criterio para q = 3 clasificar necesitamos la siguiente definicin:
Dada una matriz A = (aij )33 . Se dice que K es una submatriz principal de
A si es una matriz de uno de los siete siguientes tipos:
(a1,1 ), (a2,2 ), (a3,3 ),
a1,1 a1,2
a2,1 a2,2
a1,1 a1,3
a2,2 a2,3
,
,
,A
a3,1 a3,3
a3,2 a3,3
Proposicin 3.4.7. Sea A es un subconjunto abierto de vectores de R3 , f C 2 (A) y

(a, b, c) un punto crtico de f .
1. Si
2f
(a, b, c) > 0, det
x2
2f
(a, b, c)
x2
2f
(a, b, c)
yx
2f
(a, b, c)
xy
2f
(a, b, c)
y 2
!
> 0, det(Hf (a, b, c)) > 0.
entonces (su forma cuadrtica es definida negativa y por tanto) f tiene en a un

mnimo relativo estricto.
2. Si
2f
(a, b, c) < 0, det
x2
2f
(a, b, c)
x2
2f
(a, b, c)
yx
2f
(a, b, c)
xy
2f
(a, b, c)
y 2
!
> 0, det(Hf (a, b, c)) < 0.
entonces (su forma cuadrtica es definida negativa y por tanto) f tiene en (a, b, c)
un mximo relativo estricto.
56

3. Si f tiene alguna derivada parcial de segundo orden en (a, b, c) distinta de cero y
es tal que
det(K) 0, K submatriz principal de la matriz hessiana Hf (a, b, c),
un extremo relativo en (a, b, c), ste ha de ser un mnimo.
4. Si f tiene alguna derivada parcial de segundo orden en (a, b, c) distinta de cero y

es tal que
(1)orden de k det(K) 0, K submatriz principal de la matriz hessiana Hf (a, b, c),
un extremo relativo en (a, b, c), ste ha de ser un mximo.
5. Si existen dos submatrices principales K y L tales
det(K) < 0, y (1)orden
de L
det(L) < 0,
entonces (su forma cuadrtica es indefinida y por tanto) f no tiene ningn extremo
relativo en (a, b, c).
Ejercicio: Calclense los extremos de la funcin f : R3 R, definida por

f (x, y, z) = 6x2 y 2 z 2 .
Caso q 3:
Para clasificar una forma cuadrtica de dimensin mayor ( igual que 3) interesa
clasificar la forma cuadrtica Q asociada a Hf (a) a partir del signo de sus autovalores
o valores propios.
Dada una matriz cuadrada A, lLamaremos polinomio caracterstico asociado a
la matriz A al polinomio, P () = det(A I), donde por I representamos la matriz
identidad. Las races del polinomio caracterstico reciben el nombre de autovalores de
la matriz A.
De hecho, si representamos por k , k = 1, 2, . . . q, los autovalores de la matriz
hessiana Hf (a), se verifica la siguiente caraterizacin:
i) Q es definida positiva
k > 0 , k = 1, 2, . . . , q.
ii) Q es definida negativa
k < 0 , k = 1, 2, . . . q.
iii) Q es indefinida
i 6= j, con i < 0 < j .
iv) Q es semidefinida positiva
i = 0 y k 0 , k = 1, 2, . . . q .
v) Q es semidefinida negativa
i = 0 y k 0 , k = 1, 2, . . . q .
Anlisis Matemtico
57
Como consecuencia de lo anterior tenemos que:

Proposicin 3.4.8.
i) Si k > 0 , k = 1, 2, . . . q, entonces f alcanza en a un mnimo relativo.
ii) Si k < 0 , k = 1, 2, . . . q, entonces f alcanza en a un mximo relativo.
iii) Si existen i > 0 y j < 0, entonces f no alcanza extremo relativo en a.
iv) Si i = 0 y k 0 , k = 1, 2, . . . q, entonces f de tener un extremo relativo
en a ste ha de ser un mnimo relativo.
v) Si i = 0 y k 0 , k = 1, 2, . . . q , entonces f de tener un extremo relativo
en a ste ha de ser un mximo relativo.
El nico inconveniente que presenta esta clasificacin sera, en principio, la
dificultad que se puede dar a la hora de calcular los autovalores de la matriz H. Este
problema queda resuelto con la regla de Silvester que nos va a permitir decidir el
nmero de autovalores positivos sin necesidad de calcularlos, simplemente observando
los coeficientes del polinomio caracterstico de H. Concretamente, si llamamos P () =
a0 + a1 + a2 2 + + aq q a dicho polinomio, y V (a0 , a1 , a2 , . . . , aq ) al nmero de
cambios de signo que se dan coeficiente a coeficiente, entonces la regla de Silvester
asegura que
V (a0 , a1 , a2 , . . . , aq ) = nmero de autovalores positivos de H .
V (a0 , a1 , a2 , . . . , (1)q aq ) = nmero de autovalores negativos de H .
3.4.5.
1. Estdiense los extremos de f : A R en los siguientes casos:

a) f (x, y) = x2 y 2 y A = R2 .
b) f (x, y) = |x| + |y| y A = [1, 1] [1, 1]
c) f (x, y) = |x| + y y A = [1, 1] [1, 1]
2. Consideremos las funciones reales f y g dadas por:
a) f (x, y) = x3 + 3xy 2 15x 12y (x, y) R2 .
b) g(x, y, z) = (x + z 2 )ex(y
Se pide:
2 +z 2 +1)
(x, y, z) R3 .
58

a) Calclense los puntos crticos.
b) Calclese la matriz hessiana en los puntos crticos.
c) Estdiese la existencia de extremos relativos.
3. Una funcin f definida en un abierto del plano se dice que es armnica si
2f
2f
+
=0
x2
y 2
en todo punto de su dominio. Son armnicas las siguientes funciones?
a) f (x, y) = arc tg( xy ) (x, y) R2 \ {(x, 0) : x R}.
b) g(x, y) = ex cos y + ey cos x (x, y) R2 .
c) h(x, y) =
ex+y
(x, y) R2 \ {(0, 0)}.
x2 + y 2
4. Sean a, b R dos parmetros, y f : R2 R una funcin real de dos variables

reales dada por f (x, y) = x2 + y 2 2ax 2by. Estudiar la existencia de extremos
de f en funcin de los parmetros.
5. Calcular los extremos relativos de los siguientes campos escalares. Estudiar, cuando sea posible, si dichos extremos son absolutos o no lo son.
a) f (x, y) = x4 + 2x2 y x2 + 3y 2 .
b) f (x, y) = x3 + y 3 3x 12y + 20 .
c) f (x, y) = (x 1)4 + (x y)4 .
d ) f (x, y) = x4 + y 4 4a2 xy
xy
e) f (x, y) = 2
x + y2 + 1
(a > 0)
2 +y 2 )
f ) f (x, y) = (x2 + 2y 2 )e(x
g) f (x, y) = sen(x y).

h) f (x, y, z) = x2 + y 2 + 3z 2 + yz + 2xz xy.
i ) f (x, y, z) = xy + xz + yz.
j ) f (x, y) = 2x4 + y 2 3xy 2 .
3.5. EXTREMOS CONDICIONADOS.
3.5.
59
Extremos condicionados.
Sumario
En esta leccin vamos a enunciar criterios que nos permitan determinar los extremos de
un campo escalar en un cierto subconjunto del dominio de dicho campo escalar .El contenido
III.5.1 Motivacin.
III.5.2 Conjuntos determinados por una funcin
III.5.3 Tcnica de los multiplicadores de Lagrange.
III.5.4 Matriz hessiana asociada a la funcin de Lagrange.
3.5.1.
Motivacin
Para motivar esta leccin vamos a considerar dos ejemplos:
Ejercicio 1: Sea el tringulo

T = {(x, y) R2 ; 0 x y 4}.
Se trata de calcular los extremos de la funcin f : T R definida por f (x, y) =
x xy + y 2 + 1.
2
Dado que T es un conjunto compacto y f es una funcin continua, sabemos

que f alcanza su valor mximo y su valor mnimo en sendos puntos de T. Sabemos
que sta funcin no tiene ningn punto crtico en dicho conjunto por lo que sus valores
mximo y mnimo se alcanzarn en puntos de la frontera, esto es, bien los vrtices
del tringulo T bien en algn punto de sus tres lados. En consecuencia, los puntos a
tener en cuenta son
1) Los tres vrtices
2) Para cada lado, los puntos de cada uno de stos en los que la funcin restringida
alcance sus extremos.
60
III.5 Extremos condicionados
As pues, se trata de calcular los extremos de f , restringida a cada uno de los

siguientes conjuntos
M1 = {(x, y) R]0, 4[: x = 0},
M2 = {(x, y) ]0, 4[R : y = 4}, M3 = {(x, y) ]0, 4[]0, 4[: x = y},
M4 = {(0, 0)}, M5 = {(0, 4)} M6 = {(4, 4)}.
Dado un subconjunto M del dominio de f , llamaremos extremo local de f
condicionado por M a cualquier extremo de la funcin f restringida a M .
En este caso, la bsqueda de los extremos locales condicionados por M4 , M5 y
M6 es trivial puesto que estos conjuntos constan de un slo punto. Con respecto a los
otros conjuntos bastar eliminar, en cada caso, una variable y calcular los extremos de
la correspondiente funcin real de variable real.
Consideremos el segundo ejemplo:
Ejercicio 2:
Consideremos una placa plana ciruclar P de radio uno, y que se calienta de manera
que la temperatura en un punto (x, y) P es
T (x, y) = x2 + 2y 2 x,
y calculemos sus posibles extremos absolutos.
Dado que P es un conjunto compacto y f es un campo continuo, sabemos que f
alcanza sus valores mximo y mnimo en sendos puntos de P . Sabemos que (1/2, 0) es
el nico punto crtico de f , por lo que al menos su valor mximo o mnimo se alcanzar
en algn punto del tipo I), esto es, en algn punto de la circunferencia
C = {(x, y) R2 ; x2 + y 2 = 1}.
Ahora debemos calcular los puntos extremos de la funcin T condicionados
por el conjunto C. En este caso aparece una dificultad aadida: no podemos despejar
ninguna variable en funcin de la otra.
3.5.2.
Conjuntos determinados por una funcin
Para este ltimo ejercicio, as como en aquellos casos en que haya ms de dos
variables, necesitaremos desarrollar una nueva tcnica. Primero analicemos la situacin
en ambos ejemplos y veamos que el planteamiento del problema del clculo de extremos
condicionados el conjunto M obedece al siguiente esquema general:
Sea A un subconjunto abierto de Rq y f un campo escalar definido en A. Sea
M un subconjunto de A al que podemos asociar una funcin g : A Rqk tal que:
Anlisis Matemtico
61
1. M = {x A; g(x) = 0}.
2. Todas sus funciones coordenadas gi tienen derivadas parciales continuas en A.
3. Su matiz jacobiana Jg (x) tiene rango q k en A.
Este hecho se reflejar diciendo que g determina a M .
As pues, en el ejercicio 1, tenemos las siguientes funciones:
1. Para M1 , podemos considerar la funcin g(x, y) = x definida en A = R]0, 4[.
2. Para M2 , podemos considerar la funcin g(x, y) = y 4 definida en A =]0, 4] R.
3. Para M3 , podemos considerar la funcin g(x, y) = yx definida en A =]0, 4[]0, 4[.
4. Para M4 , podemos considerar la funcin g(x, y) = (x, y x) definida en A = R2 .
5. Para M5 , podemos considerar la funcin g(x, y) = (x, y 4) definida en A = R2 .
6. Para M6 , podemos considerar la funcin g(x, y) = (x4, y4) definida en A = R2 .
Y para el ejercicio 2, M = C, g(x, y) = x2 + y 2 1 y A = R2 \(0, 0).
3.5.3.
Tcnica de los multiplicadores de Lagrange.

Hagamos ahora la siguiente observacin.
Proposicin 3.5.1. Sean A un conjunto abierto, g = (g1 , g2 , ..., gqk ) una funcin que
determina a un subconjunto M de A y f : A R un campo escalar de clase que admite
todas sus derivadas parciales en A y son continuas en a M . Si f alcanza un extremo
condicionado por M en a, entonces existe un nico = (1 , 2 , ..., qk ) Rqk tal
que
(f + 1 g1 + 2 g2 + ... + qk gqk )
(a) = 0, i {1, 2, ..., q}.
xi
Esto nos proporciona la siguiente estrategia:
Sean f, A, g y M como en el enunciado de la proposicin anterior. Para cada
= (1 , 2 , ..., qk ) Rqk , llamamos funcin de Lagrange asociada a f ,M y
a la funcin L definida en A por
L = f + 1 g1 + 2 g2 + ... + qk gqk .
Dicha funcin recibe el nombre de .
La proposicin anterior nos afirma que:
Los extremos de f condicionados por M son soluciones del sistema siguiente,
llamado sistema de Lagrange .
62

L
(x)
x1
= 0,
L
(x)
x2
= 0,
...
L
(x)
xq
= 0,
g1 (x) = 0, ..., gqk (x) = 0.

Si a = (a1 , a2 , ..., aq ) A y = (1 , 2 , ..., qk ) Rqk son solucin de este
sistema, sabemos que est determinado de forma nica y sus coordenadas reciben el
nombre de Multiplicadores de Lagrange para el punto a.
Ejercicio: Calclense los multiplicadores de Lagrange en los ejercicios anteriores.
3.5.4.
Matriz hessiana asociada a la funcin de Lagrange.
Podemos ver ahora qu sucede en los puntos que son solucin del sistema de
Lagrange en los que la funcin no alcanza un extremo absoluto? Necesitamos una estrategia que nos permita saber cuando uno de estos puntos es efectivamente un extremo
relativo y de qu tipo es. Hagamos primero algunas observaciones.
Espacio tangente
Sean M un subconjunto de un abierto A de Rq y a M . Se dice que un vector
u R es un vector tangente a M en a si existe una curva contenida en M que
pasa por el punto a y que tiene tangente en a con direccin u, esto es, existe r > 0 tal
que :] r, r[ Rq es una funcin continua tal que
q
(0) = a, 0 (0) = u,
donde
0 (0) = limx0
(x) (0)
.
x
Se define el espacio tangente a M en a, TM (a), como el conjunto de los

vectores tangentes a M en el punto a. Se puede probar que si M est determinado por
g, entonces TM (a) coincide con el ncleo de la aplicacin Dg(a).
Dado Rqk , notemos ahora por
1) K(a)= matriz cuyos vectores fila son los vectores bsicos de TM (a)
2) HL (a)= matriz hessiana de L (a)
3) H(a) = K(a)HL (a)K(a)t = (aij )
Anlisis Matemtico
63
4) Para cada p k,
Hp (a) = aij ,
con i, j {1, 2, ..., p}, donde k es la dimensin de TM (a).
Con esta notacin introducida ya podemos decir qu ocurre,
Teorema 3.5.2. Sean M un subconjunto de un abierto A de Rq , f : A R un
campo escalar y g una funcin que determina a M . Supongamos que tanto f como g
admiten todas sus derivadas parciales segundas en A y stas son continuas. Si a y
son soluciones del sistema de Lagrange, y H(a) es como arriba, entonces
1. Si, para cada j k, det(Hj (a)) > 0, f tiene en a un mnimo relativo estricto.
2. Si, para cada j k, (1)j det(Hj (a)) > 0, f tiene en a un mximo relativo
estricto.
3. Si existen dos submatrices principales de H(a), K y L tales que:
det(K) < 0,
(1)orden
de L
det(L) < 0,
entonces f no tiene ningn extremo relativo en a.

Ejercicio: Determnense las dimensiones que ha de tener un ortoedro de volumen
uno para que su superficie total sea mnima.
Hgase con ambas tcnicas: Multiplicadores de Lagrange y despejando una de las variables.
3.5.5.
1. Determnese el punto P (x, y, z) en el plano 2x + y z = 5 que est ms cerca del

origen.
2. Calclese la distancia mnima del origen a la superficie de R3 dada por la ecuacin
x2 z 2 1 = 0
3. Se trata de montar un radiotelescopio en un planeta recin descubierto. Para minimizar la interferencia se desea emplazarlo donde el campo magntico del planeta
sea ms dbil (aunque por supuesto, en la superficie). El planeta es esfrico, con
un radio de 6 unidades; la fuerza del campo magntico viene dada por
M (x, y, z) = 6x y 2 + xz + 60
basado en un sistema coordenado cuyo origen est en el centro del planeta. Dnde
habr de ser ubicado el radiotelescopio?.
64

4. Determnese el rectngulo de mayor rea que se puede inscribir en la elipse
y2
= 1, donde a, b son reales positivos.
b2
x2
+
a2
5. Encuntrense los puntos donde la funcin f : A R definida como

f (x, y) = x2 + y 2 xy x y
((x, y) R2 )
alcanza sus extremos absolutos siendo

A = {(x, y) R2 : x, y 0, x + y 3}.
6. Encuntrense los puntos del conjunto A = {(x, y) R2 : x2 + y 2 2x, y 0}

donde la funcin f (x, y) = x2 2xy + y 2 alcanza su mximo y mnimo absolutos.
7. Estdiense los extremos de la funcin f : (R+ )3 R definida por f (x, y, z) =
logx + logy + logz en la esfera x2 + y 2 + z 2 = 5.
8. Hllese la mnima distancia entre la recta x+y = 4 y la circunferencia x2 +y 2 = 1.
9. Hllense los extremos condicionados de la funcin f (x, y) = x3 + xy 2 donde xy
a2 = 0, (a 6= 0).
10. El rea de una caja rectangular sin tapa es de 108u2 . Hallar que dimensiones debe
tener para que conseguir el mximo volumen.
11. En una tienda de bebidas se vende vino de mesa de la marca A y de la marca
B. El propietario de la tienda puede obtener ambos vinos a un coste de 1 euro
por botella; su hijo, que es estadstico, ha estimado que si el vino A se vende a x
euros el litro y el vino B a y euros el litro, entonces se vender aproximadamente
4 5x + 4y botellas de la marca A y 2 + 6x 7y botellas de la marca B. Qu
precio deber ponerse a cada marca de vino para maximizar el beneficio?.
3.6. TEOREMAS DE LA FUNCIN INVERSA E IMPLCITA.
3.6.
65
Teoremas de la funcin inversa e implcita.
Sumario
El objetivo de esta leccin es el de generalizar, para campos vectoriales, el corolario 3.1.13
de la derivacin de la funcin inversa, dado en la leccin 3.1 para funciones reales de variable
real. En este sentido daremos dos versiones equivalentes del mismo resultado denominadas,
respectivamente, teorema de la funcin inversa y teorema de la funcin implcita. El contenido
III.6.1 Motivacin.
III.6.2 Teorema de la funcin inversa.
III.6.3 Teorema de la funcin implcita.
3.6.1.
Motivacin
Comenzamos recordando el corolario 3.1.13

Sea I un intervalo de numeros reales, y f : I R una funcin derivable tal que
f (x) 6= 0, x I. Entonces f 1 es derivable en f (I) y para cada x I, se tiene que
0
(f 1 )0 (f (x)) =
1
f 0 (x)
La primera idea que hay que tener claro es que este resultado tal cual no es generalizable. Observemos que, en el caso de que f sea un campo vectorial, la correspondiente
condicin de que el determinante de la matriz jacobiana (jacobiano) sea distinto de
cero no es concluyente, ni tan siquiera para asegurar la invertibilidad del campo. De
hecho, considrese el campo
f : R2 R2 , definido por f (x, y) = (ex cos(y), ex sen(y).
Dicho campo tiene jacobiano no nulo en R2 y sin embargo,
f (x, y) = f (x, y + 2) , (x, y) R2 .
Podemos ahora preguntarnos
66
III.6 Teoremas de la funcin inversa e implcita.

1. Qu ocurre si adems f C 1 (A)?
2. Es f inyectiva al menos en algn subconjunto de A?
3. Es la funcin inversa de clase C 1 en la imagen de dicho subconjunto?
Consideremos para ello la siguiente consecuencia local del corolario anterior
Corolario 3.6.1. Sean A un abierto de R, f : A R y a A verificando que:

a) f C 1 (A) ,
b) f 0 (a) 6= 0 .
Entonces se verifica que existe un intervalo abierto I A tal que a I, f (I) es un
abierto de R, f 1 C 1 (f (I)) y, para cada x I, se tiene que
(f 1 )0 (f (x)) =
1
f 0 (x)
Para arbitrar una respuesta para campos vectoriales, al hilo del resultado anterior,
es cmodo disponer de algunas definiciones.
Definicin 3.6.2. Sean A un abierto de Rn y f : A Rn un campo vectorial de clase
C 1 en A.
1. Se dice que f es invertible (globalmente) en A que f es un difeomorfismo
de clase C 1 de A sobre f (A), si se verifican las tres condiciones siguientes:
a) f es inyectiva (y por tanto existe f 1 : f (A) A).
b) f (A) es un conjunto abierto de Rn .
c) f 1 C 1 (f (A)).
A la funcin inversa f 1 se le llama inversa global de f en A.
2. Se dice que f es localmente invertible en a A que f es un difeomorfismo
de clase C 1 local en a, si existen U y V abiertos de Rn , con a U y verificando
que f /U : U V es un difeomorfismo de clase C 1 de U sobre V .
A la funcin (f /U )1 se le llama inversa local de f en a.
Es claro que si una funcin es invertible en un abierto A, entonces es localmente

invertible en cada punto de ese abierto, pero el recproco no es cierto, ya que, por
ejemplo, la funcin f (x) = x2 es localmente invertible en R , pero no lo es globalmente.
Anlisis Matemtico
3.6.2.
67
Teorema de la funcin inversa
Veamos ahora que el corolario 3.6.1 es perfectamente asumible en cualquier dimensin.

Teorema 3.6.3 (de la funcin inversa). Sean A un abierto de Rn , f : A Rn y
a A verificando que:
a) f C 1 (A) ,
b) det Jf (a) 6= 0 .
Entonces se verifica que f es localmente invertible en a; esto es, existe un entorno
abierto U A de a tal que f (U ) = V es un abierto de Rn , f es un difeomorfismo de
clase C 1 de U sobre V , y para cada x U se verifica que
1
f1
f1
f1
(x)
(x)
.
.
.
(x)
x2
xn
1
x
f2
f2
f2
(x)
(x)
.
.
.
(x)
x2
x1 n
Jf 1 (f (x)) = Jf (x)1 = x1
. . . . . . . . . . . . . . . . . . . .
fn
fn
n
(x) f
(x) . . . x
(x)
x1
x2
n
Adems, si f admite todas sus derivadas parciales segundas (respectivamente f
C 2 (U )) en U , entonces f 1 admite tambin todas sus derivadas parciales (resp. f 1
C 2 (V )) en V .
Comentarios:
1. El teorema de la funcin inversa es un teorema de existencia, es decir, no nos
dice en ningn momento cmo calcular la funcin inversa local, slo nos dice
que existe, de qu clase C k es y nos da una regla para calcular sus derivadas
parciales.
En particular, el teorema nos permite afirmar que si f = (f1 , f2 , ..., fn ) es como
el teorema, el sistema de n ecuaciones con n incognitas
f1 (x1 , x2 , ..., xn ) = y1
f2 (x1 , x2 , ..., xn ) = y2
...
fn (x1 , x2 , ..., xn ) = yn
tiene una nica solucin x = (x1 , x2 , ..., xn ) U , siempre que y = (y1 , y2 , ..., yn )
V , y aunque no nos dice cmo calcular la solucin, si sabemos que la funcin que
a cada valor de y le asigna la solucin, y 7 x, es de clase C 1 en f (U ).
Ejercicio
68

Estdiense los puntos en los que el sistema siguiente
(
u=xy
v = xy
define a x e y localmente como funciones de u, v. Obtngase la matriz jacobiana
de la funcin inversa (u, v) 7 (x, y) en el punto f (1, 0).
2. Si f C 1 (A), f es inyectiva y det(Jf (x)) 6= 0, x A, entonces f es globalmente
invertible en A.
Ejercicio
Considrese el campo f relativo al ejercicio anterior y demustrese que f /A, donde
A = {(x, y); x + y > 0}, es inyectiva y que f (A) = {(u, v); u2 + 4v > 0}.
Conclyase que para cada (u, v), el sistema tiene una nica solucin (x, y) y que
la aplicacin (u, v) 7 (x, y) es de clase C 1 (f (A)).
3. La condicin de jacobiano no nulo es claramente necesaria para que una funcin
sea invertible (pinsese que si f tiene una funcin inversa derivable, entonces por
la regla de la cadena,
Df (a) Df 1 (f (a)) = I,
Df 1 (f (a)) Df (a) = I,
luego Df (a) es biyectiva, y por tanto, necesariamente el determinante de la matriz

jacobiana de f en a ha de ser distinto de cero).
3.6.3.
Teorema de la funcin implcita
Notemos ahora que el citado corolario 3.1.13 nos permite afirmar que, si f es una
funcin derivable con f 0 (x) 6= 0, la ecuacin f (x) = y tiene solucin, de hecho, x =
f 1 (y), con el aadido de que f 1 es tambin derivable. A este hecho nos solemos referir
diciendo que x est definida implcitamente en funcin de y. Intentemos extender
esta idea
Consideremos la ecuacin x2 + y 2 1 = 0. La cuestin es: Podemos despejar
la variable x en funcin de y? Es decir, es posible definir una funcin h de forma que
x = h(y) y que h(y)2 + y 2 = 1?
p
En este caso, la respuesta es no, puesto que la solucin sera x = 1 y 2 , que no
es una funcin.
Dado que la posibilidad de despejar globalmente la variable x no ha sido posible,
haremos un planteamiento local del problema:
Anlisis Matemtico
69
Sea (x0 , y0 ) un punto solucin de la ecuacin g(x0 , y0 ) = 0, donde g(x, y) = x2 +y 2 1.

Se puede definir (o despejar x en funcin de y) una funcin h, al menos en un entorno
U de y0 , tal que, para cada y U , x = h(y),
y adems g(h(y), y) = 0? La respuesta

2
es s. Tomemos, por ejemplo, (x0 , y0 ) = ( 2 , 22 ). Es claro que podemos despejar la
p
variable x tomando como U =]0, 1[ y como funcin x = h(y) = 1 y 2 , para cada
y U.
Cuando, como en el ejemplo anterior, la respuesta es afirmativa en un cierto punto
(x0 , y0 ), se dice que la ecuacin g(x, y) = 0 define a la variable x implcitamente
como funcin de y en un entorno de (x0 , y0 ), y la funcin x = h(y) reibe el nombre
de funcin implcita definida por la ecuacin g(x, y) = 0 en un entorno de (x0 , y0 ).
As pues podemos decir que, en el ejemplo propuesto, la ecuacin x2 + y 2 = 1 define
la variable x implcitamente como funcin de y en el entorno ]0, 1[]0, 1[ de ( 22 , 22 ).

p
As como que la funcin h(y) = 1 y 2 es la funcin implcita definida por la ecuacin
x2 + y 2 = 1 en el entorno ]0, 1[]0, 1[.
Daremos ahora una primera condicin suficiente para que exista una funcin
implcita x = h(x) dada por una ecuacin g(x, y) = 0.
Teorema 3.6.4 (de la funcin implcita (q = 2, n = 1)). Sean A un abierto de R2
y una funcin g : A R con g C 1 (A). Sea (x0 , y0 ) A verificando:
(i) g(x0 , y0 ) = 0
(ii)
g
(x0 , y0 )
x
6= 0
Entonces, la ecuacin g(x, y) = 0 define implcitamente a la variable x como

funcin de la variable y en un entorno de (x0 , y0 ); esto es, existe un entorno abierto
U R con y0 U , existe W subconjunto abierto de R2 contenido en A y existe una
funcin h : U R, verificando:
1. h(y0 ) = x0 ,
2. (h(y), y) W, y U.
3. g(h(y), y) = 0,
y U .
4. h C 1 (U ) y se tiene que, para cada y U ,

0
h (y) =
g
(h(y), y)
y
g
(h(y), y)
x
Adems, si la la funcin g C k (W ), entonces la funcin h C k (U ).
70

Comentarios:
1. Pese a que este ltimo teorema nos da condiciones suficientes para la existencia
de una funcin implcita, ste no nos dice cmo calcularla. Lo que s nos dice es
cul es su derivada en el punto, sin ms que aplicar la regla de la cadena.
En efecto, como g(h(y), y) = 0, y U , si derivamos con respecto a y, el resultado
sigue siendo cero. Es decir
g
g
(x, y)h0 (y) +
(x, y) = 0 , y U.
x
y
Si evaluamos en (x0 , y0 ) nos queda
g
g
(x0 , y0 )h0 (y0 ) +
(x0 , y0 ) = 0
x
y
Slo nos falta despejar la derivada h0 (y0 ).
Ejemplo
Volviendo a la ecuacin que nos ha servido para motivar el concepto de funcin
implcita, esto es, g(x, y) = x2 + y 2 1 = 0, podemos preguntarnos dnde se
puede aplicar el teorema de la funcin implcita?
g
Slo tenemos que obligar a que x
(x, y) = 2x 6= 0. Es decir, en los puntos
de la circunferencia unidad (x0 , y0 ) donde x0 6= 0 se puede despejar localmente la
variable x en funcin de y.
2. Como interpretacin geomtrica del teorema, entendemos que dada una curva
del plano definida por medio de una ecuacin implcita (g(x, y) = 0) podemos
obtener, localmente, una curva de forma explcita x = h(y).
g
Observemos tambin que la condicin x
(x0 , y0 ) 6= 0 geomtricamente nos
dice que el vector gradiente g(x0 , y0 ), que recordemos es normal a la curva en
el punto (x0 , y0 ), no es paralelo al eje OY .
3. Se puede hacer un desarrollo anlogo para el concepto de cundo una ecuacin

g(x, y) = 0 define a la variable y implcitamente como funcin de x.
Ejemplo
Estdiese si la ecuacin
senx + cosy + 2y =
define la variable y implcitamente como funcin de x en un entorno de (0, /2).
Calclese la derivada de la funcin implcita en 0
Anlisis Matemtico
71
A continuacin consideraremos el problema de obtener la funcin implcita para

un campo escalar de tres variables; se trata de dar condiciones para que una de ellas sea
funcin implcita de las restantes. ste caso puede interpretarse geomtricamente, de
cmo dada una superficie en el espacio, definida de forma implcita (g(x, y, z) = 0), y un
punto de esa superficie, se pueden obtener condiciones para que, al menos localmente,
la superficie se pueda definir de forma explcita, esto es, z = f (x, y).
Teorema 3.6.5 (de la funcin implcita (q = 3, n = 1)). Sean A un abierto de R3
y un campo escalar g C 1 (A). Sea (x0 , y0 , z0 ) A verificando:
(i) g(x0 , y0 , z0 ) = 0
(ii)
g
(x0 , y0 , z0 )
z
6= 0
Entonces, la ecuacin g(x, y, z) = 0 define implcitamente a la variable z como

funcin de las variables (x, y) en un entorno de (x0 , y0 , z0 ); esto es, existe un entorno
abierto U R2 con (x0 , y0 ) U , existe W subconjunto abierto de R3 contenido en A y
existe la funcin implcita f : U R verificando que
verificando:
1. f (x0 , y0 ) = z0 ,
2. (x, y, f (x, y)) W
3. g(x, y, f (x, y)) = 0,
(x, y) U . y se tiene que, para cada (x, y) U ,

g
(x, y, f (x, y))
f
x
(x, y) = g
,
x
(x, y, f (x, y))
z
g
(x, y, f (x, y)
f
y
(x, y) = g
.
y
(x, y, f (x, y))
z
Adems, si la la funcin g C k (W ), entonces la funcin f C k (U ).

Por ltimo, establecemos una tercera versin del teorema para q = 3, n = 2.
Ahora se trata de dar condiciones suficientes para que dos de las variables sean funcin
implcita de la restante.
Teorema 3.6.6 (de la funcin implcita (q=3, n=2)). Sean A un abierto de R3 y
un campo vectorial g : A R2 con g C 1 (A). Sea (x0 , y0 , z0 ) A verificando:
(i) g(x0 , y0 , z0 ) = (g1 (x0 , y0 , z0 ), g2 (x0 , y0 , z0 )) = (0, 0)
!
g1
g1
(x
,
y
,
z
)
(x
,
y
,
z
)
0 0 0
0 0 0
y
z
(ii) det g
6= 0
g2
2
(x
,
y
,
z
)
(x
0 0 0
0 , y0 , z0 )
y
z
72
Entonces, la ecuacin g(x, y, z) = 0 define implcitamente a las variables (y, z) como

funcin de la variable x en un entorno de (x0 , y0 , z0 ); esto es, existe un entorno abierto
U R con x0 U , existe W subconjunto abierto de R3 contenido en A y existe la
funcin implcita f : U R2 con f (x) = (y(x), z(x)) verificando que
1. f (x0 ) = (y0 , z0 ),
2. (x, f (x)) W, x U.
3. g(x, f (x))) = 0,
x U.
4. f C 1 (U ) y se tiene que las parciales de las componentes de la funcin implcita

f verifican el sistema de ecuaciones siguiente:
g1
g1
y
g1
z
(x, y(x), z(x)) +

(x, y(x), z(x)) (x) +
(x, y(x), z(x)) (x) = 0
x
y
x
z
x
g2
g2
y
g2
z
(x, y(x), z(x)) +

(x, y(x), z(x)) (x) +
(x, y(x), z(x)) (x) = 0
x
y
x
z
x
Adems, si la funcin g C k (W ), entonces la funcin f C k (U ).
Comentarios
1. ste caso puede interpretarse geomtricamente de cmo dada una curva en
el espacio definida de forma implcita (como interseccin de dos superficies), se
puede obtener una expresin local de la curva de la forma (x) = (x, y(x), z(x)).
Ejemplo
Calclese la recta tangente en el punto (1, 1, 1) a la curva interseccin de las
superficies siguientes:
(
x2 + y 2 + z 2 = 3
2x2 y 2 z = 0
2. ste resultado tambin puede interpretarse cmo que el sitema de 2 ecuaciones

con dos incgnitas
g1 (x, y, z) = 0
, ,
g2 (x, y, z) = 0
tiene, para cada x U , una solucin nica (y, z) tal que (x, y, z) W y donde
g = (g1 , g2 ).
3. El teorema de la funcin implcita en el resto de los casos, q N y n < q, se
puede adivinar, sin ms que extrapolar los casos anteriores y simular la tcnica
para ecuaciones lineales.
Anlisis Matemtico
3.6.4.
73
1. Comprubese que la funcin : U V definida por

(, ) = (cos, sen),
donde U = R+ ] , [ define un difeomorfismo de clase C 1 de U sobre V =
R2 \{(x, 0); x 0}. En tal caso determnese la funcin inversa.
(, , z) = (cos, sen, z),
donde U = R+ ] , [R define un difeomorfismo de clase C 1 de U sobre
V = R3 \{(x, 0, z); x 0}. En tal caso determnese la funcin inversa.
(, , ) = (coscos, sencos, sen),
donde U = R+ ] , [] /2, /2[ define un difeomorfismo de clase C 1 de U
sobre V = R3 \{(x, 0, z); x 0}. En tal caso determnese la funcin inversa.
4. Comprobar que en las siguientes ecuaciones se verifican las condiciones del Teorema de la Funcin Implcita en el punto P y obtener y 0 (x) en los casos (i) a (iv)
z
z
y x
, y
en los otros.
i) xy + 3x2 2y 2 2y = 0, P = (1, 1)
ii) senx + cosy + 2y = 0, P = (0, /2)
iii) ylog(x2 + y 2 ) 2xy = 0, P = (0, 1)
iv) xy + y x 2xy = 0, P = (2, 2)
v) xlog(1 + y) + ze4z = 0, P = (0, 0, 0)
vi) z arctg(1 z 2 ) + 3x + 5z 8y 3 = 0, P = (1, 1, 1)
vii) xyzez logz 3x + 3y = 0, P = (1, 1, 1)
3.7. ALGUNAS APLICACIONES DEL CLCULO DIFERENCIAL.
3.7.
75
Algunas aplicaciones del clculo diferencial.
Sumario
El contenido completo de esta leccin se articula de la siguiente manera:
III.7.1 Aproximacin por mnimos cuadrados
III.7.2 Aplicaciones a la Mecnica Celeste: Movimientos de los de satlites.
3.7.1.
Aproximacin por mnimos cuadrados
Vamos a considerar el problema de determinar la relacin funcional entre dos magnitudes x e y cuyos resultados obtenidos tras un experimento realizado han sido
x1
y1
x2
y2
...
...
xn
yn
Se trata de encontrar la ecuacin de una curva que, aunque no pase por todos
los puntos (xi , yi ), tenga pocas variaciones y pase lo ms cerca posible de todos. El
tipo de curva requerido puede obtenerse por conocimiento previo del problema, por la
interpretacin fsica del fenmeno, o en forma arbitraria. Una vez elegido el tipo de
curva que mejor se ajusta, se trata de obtener cual es la curva concreta. Generalmente
sta se obtiene imponiendo el criterio de los mnimos cuadrados.
Supongamos que por razones tericas bien fundadas sabemos que, para nuestro
experimento, la curva que ms se ajusta es una recta
y = ax + b.
Deseamos determinar los parmetros a y b a partir de los datos que han resultado del
experimento. Para cada valor determinado xi , la recta de ajuste proporciona un valor
yi0 = axi +b normalmente diferente de yi valor obtenido en el experimento . La diferencia
yi yi0 ser positiva en algunos casos y negativa en otros, puesto que los puntos pueden
estar a un lado u otro de la recta. Por este motivo, la suma de las diferencias para todos
los puntos es poco significativa (las deferencias negativas podran compensarse con las
diferencias positivas). Para medir pues la distancia entre la recta y los correspondientes
puntos se emplean los cuadrados de las diferencias, con lo que nos aseguramos que todos
los trminos son positivos. Esta suma tiene pues la forma
S(a, b) =
n
X
(yi axi b)2 .
i=1
76
III.7 Algunas aplicaciones del clculo diferencial
Se trata pues de hacer mnima la funcin S(a, b). Buscamos pues los puntos crticos,
esto es, las soluciones del sistema
S
= 0,
a
S
= 0,
b
que, en este caso, se conocen como ecuaciones normales, y que son:

a
n
X
x2i
+b
i=1
n
X
xi =
i=1
n
X
xi y i ,
i=1
n
X
xi + bn =
i=1
Las soluciones vienen dadas por:

P
P
P
n ni=1 xi yi ( ni=1 xi )( ni=1 yi )
P
P
a=
,
n ni=1 (xi )2 ( ni=1 xi )2
n
X
yi .
i=1
Pn
i=1
b=
yi a
n
Pn
i=1
xi
Ejemplo
Demustrese que la recta que mejor se ajusta a los puntos de la siguiente tabla:
0
2
1
4
2
3
3
6
4
5
5
7
6
9
7
8
es y = 2,249 + 0,929x
3.7.2.
Aplicaciones a la Mecnica Celeste: Movimientos de los

de satlites
Es sabido que uno de los mayores impulsos para el desarrollo del clculo fue
provocado por la necesidad de comprender los movimientos de los planetas alrededor
del Sol. Estos esfuerzos dieron lugar a las conocidas leyes de Kepler, las cuales describen
la cinemtica del movimiento de los planetas en torno al Sol:
Primera ley
Los planetas describen rbitas elpticas estando el Sol en uno de sus focos
Segunda ley
El vector posicin de cualquier planeta respecto del Sol, barre reas iguales de la
elipse en tiempos iguales.
Tercera ley
Los cuadrados de los periodos de revolucin (tiempo invertido en recorrer una rbita
completa) son proporcionales a los cubos de los semiejes mayores de la elipse.
Para comprender la primera ley de Kepler, veamos cmo determinar la trayectoria
que sigue un determinado satlite alrededor de la Tierra una vez puesto en rbita.
Para ello enunciamos las dos leyes bsicas por las que se rigen los movimientos
en el espacio:
Anlisis Matemtico
77
1. La segunda ley de Newton que afirma que si una fuerza acta sobre un cuerpo de
masa m produce un movimiento con aceleracin a cuya direccin y sentido es el
de la fuerza, esto es,
f = ma (1),
y
2. la ley de gravitacin universal, esto es, la fuerza con que dos cuerpos de masas
respectivamente M y m situados a una distancia r entre s, se atraen responde a
la siguiente expresin
Mm
(2),
F =G 2
r
donde G es ua constante.
Para entender este estudio aceptamos que el satlite y la Tierra se atraen
mtuamente. Sean m la masa del satlite y M la masa de la Tierra. Fijamos como
origen de coordenadas en el Universo el centro de la Tierra y suponemos que la funcin
x(t) nos da la posicin del satlite en cada instante t. La distancia entre ambos vendr
pues dada por ||x(t)||, y la direccin del satlite a la Tierra viene determinada por
x(t)
el vector ||x(t)||
. Teniendo en cuenta pues la frmula (2), la fuerza de atraccin en el
instante t sobre el satlite es
f (t) = mM G
x(t)
,
||x(t)||3
y la fuerza sobre la Tierra es opuesta.

Aplicando pues ahora la frmula (1) obtenemos que
x00 (t) =
x(t)
||x(t)||3
(3),
donde es una constante.

Es claro que si existe t0 tal que x(t0 ) = 0 entonces nos quedamos sin satlite.
Por tanto, hemos de suponer que x(t) 6= 0 en el intervalo I en el que hacemos nuestro
estudio.
Veamos en primer lugar que la trayectoria que sigue el satlite alrededor de la
Tierra est en el mismo plano que sta.
Tomemos la frmula (3) y consideremos sus funciones coordenadas i-sima y j-sima,
esto es,
xj (t)
xi (t)
x00j (t) =
,
x00i (t) =
3
||x(t)||
||x(t)||3
y multipliquemos la primera por xj y la segunda por xi , para obtener
0 = x00i (t)xj (t) x00j (t)xi (t) = (x0i (t)xj (t) x0j (t)xi (t))0 ,
78
III.7 Algunas aplicaciones del clculo diferencial
y por tanto la funcones x0i (t)xj (t)x0j (t)xi (t) son constantes en el intervalo considerado
I. Es claro que el vector h
h = (x02 (t)x3 (t) x03 (t)x2 (t), x03 (t)x1 (t) x01 (t)x3 (t), x01 (t)x2 (t) x02 (t)x1 (t))
no depende de t y es perpendicular al vector x(t) en todo tiempo t, esto es, x(t) para
todo t pertenece al mismo plano cuyo vector director es h.
Veamos en segundo lugar que la trayectoria es una elipse.
Situemos ahora el origen de coordenadas en el centro de la Tierra y de manera
que el plano que contiene a la trayectoria x(t) est en el plano x3 = 0.
Dado un vector z R2 , llamemos g(z) al vector que resulta de girar ste un ngulo
de /2 radianes. Es claro que
< g(y), z >= < y, g(z) > (),
g(rz) = rg(z)y, z R2 , r R
y, para cualesquira funciones h, j : I R2 , donde I es un intervalo de nmeros reales,

se tiene que
[g(h(t)]0 = g(h0 (t)),
y < h(t), j(t) >0 =< h0 (t), j(t) > + < h(t), j 0 (t) > t I
As pues, se sigue despus de (3), que para cada t, g(x(t)) es perpendicular al vector
x (t), y por tanto, el producto escalar de los vectores g(x(t)) y x0 (t) tiene derivada cero
ya en particular, dicho producto escalar es constante, k, en el intervalo I.
00
Por otra parte, es sabido que en toda circunferencia, el vector que une el centro
con cualquier punto de sta es siempre perpendicular a la tangente en dicho punto. Si
x(t)
llamamos, para cada t, f (t) = ||x(t)||
, es claro que f (t) est en la circunferencia unidad
0
y que es perpendicular a f (t), esto es, existe s R tal que f 0 (t) = sg(f (t)), y por tanto
x0 (t) = ||x(t)||0 f (t) + s||x(t)||g(f (t)), luego
k =< g(x(t)), x0 (t) >=< g(x(t)), ||x0 (t)||
x(t)
> +s||x(t)|| < g(x(t)), g(f (t)) >=
||x(t)||
= 0 + s||x(t)|| < g(x(t)), g(f (t)) >= s||g(x(t))||2 = s||x(t)||2 ,

esto es,
s=
en particular,
f 0 (t) =
k
,
||x(t)||2
k
g(f (t)).
||x(t)||2
Uniendo ahora esta ecuacin con la obtenida en (3), nos da que

kg(x00 (t)) = kg(
x(t)
) = sg(f (t)) = f 0 (t),
||x(t)||3
Anlisis Matemtico
79
y por tanto,
kg(x0 (t)) = (f (t) + w),
donde w es un vector constante. Por otra parte, por la propiedad (),
k = < x(t), g(x0 (t)) >,
luego
k 2 = < x(t), kg(x0 (t) >= < x(t), f (t) + w > .
Supongamos ahora que las coordenadas del plano de la trayectoria son elegidas de
tal forma que el vector w est el eje x, esto es, w = (e, 0) para algn e R y que, para
cada t, x(t) = (x1 (t), x2 (t)). En consecuencia,
||x(t)|| + ex1 (t) =
k2
y por tanto
k2
ex1 (t))2
(4).
Las constantes k y e vienen determinados por la posicin inicial x = x(t0 ) = (x1 , x2 )

y la velocidad v = x0 (t0 ) = (v1 , v2 ) as,
||x(t)||2 = (
k =< g(x), v >,
k 2 ||x||
e=
x1
Teniendo en cuenta ahora la ecuacin (4) pata t = t0 , tenemos que

x21 + x22 =
k4
2k 2 ex1
+ x21 e2 ,
()2
esto es,
2k 2 ex1
k4
+ x22 = 2 (5).
Esta es la ecuacin de una elipse si |e| < 1, una hiprbola si |e| > 1 y una parbola
si |e| = 1. En conclusin la trayectoria depende de las condiciones iniciales y de la
velocidad inicial.
(1 e2 )x21 +
Falta ver que si |e| < 1, entonces el foco de la elipse es el origen de coordenadas.
Baste para ello recordar que si la elipse tiene de ecuacin
(x c)2 y 2
+ 2 = 1,
a2
b
su foco es el origen de coordenadas y su semidistancia focal es c y obsrvese que una
simple transformacin de (5) nos dara la ecuacin anterior para convenientes a, b y c.
La primera ley se deduce del anlisis de las observaciones hechas anteriormente, para
lo que basta considerar el centro del Sol como origen de coordenadas y a los distintos
planetas como satlites de ste.
Para el estudio de las otras dos leyes necesitamos avanzar un poco en nuestro
curso.

Apunte de Calculo Diferencial e Integral

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apunte de Calculo Diferencial e Integral

Uploaded by

Copyright:

Available Formats

Clculo diferencial

III.1.1 Derivada. Recta tangente

Derivada. Recta tangente

Sea A un subconjunto no vaco de nmeros reales y sea a A A0 . Se dice que

El lmite recibe el nombre de derivada de f en el punto a y se nota por f 0 (a).

3.1. Funciones derivables

Es claro que f es derivable en a si, y slo si, existe

Anlogamente podemos definir el concepto de derivada por la izquierda.

3.1. Funciones derivables

Proposicin 3.1.3. Sean A un subconjunto de nmeros reales, a A y f, g : A R

Propiedades de las funciones derivables.

Enunciemos ahora algunas propiedades y caractersticas de las funciones derivables.

2. Si f /B es derivable en a y existe un intervalo centrado en a, I, tal que I

Observacin 3.1.7. La proposicin anterior es muy til para estudiar la derivabilidad

Dado que la funcin x2 es derivable en R, entonces f /],2] = x2 /],2] es derivable

Teorema 3.1.9. (de Rolle)

3.1. Funciones derivables

Observacin 3.1.10. La combinacin de este teorema y del teorema de Bolzano es muy

Si f 0 no se anula en el intervalo ]a, b[, la ecuacin f (x) = 0 tiene como mucho

Teorema 3.1.11. (del valor medio)

Corolario 3.1.13. (derivacin de la funcin inversa)

A partir de aqu, obtenemos que tambin las funciones exponencial, arcocoseno,

(arc cos) (f (a)) = p

(arc sen) (f (a)) = p

Adems si f (A) est contenido en R+ y g : A R es otra funcin derivable

3.1. Funciones derivables

Como ejercicio calclese la funcin derivada de f (x) = xx en R+ .

2. Segunda Regla de LHpital:

Observacin 3.1.15. Las Reglas de L+Hpital siguen permaneciendo vlidas si, en el

1. Dada una funcin f : A R, estdiese la continuidad y derivabilidad en cada

2. Sean , R y f : R R una funcin definida por f (x) = x2 + x + .

Estdiese la continuidad y derivabilidad de f y calclese su imagen.

5. Demustrese que la(s) desigualdad(es):

< log(1 + x) < x se verifican para todo x > 0.

se verifica para todo x ]0, /2[

6. Calclese el nmero de ceros y la imagen de la funcin f : R R definida por

3.1. Funciones derivables

10. Prubese que la ecuacin

16. Sea f : R\{1} R la funcin definida por:

Estdiese la continuidad de f y su comportamiento en el punto 1, en + y en

18. Estudiar el comportamiento en el punto cero de la funcin f : A R en los

f (x) = (senx + cosx)1/x ,

3.1. Funciones derivables

19. Sea f : 2 , 2 R definida por:

log(1 senx) 2log(cosx)

Estdiese para qu valor de a la funcin f es continua en cero.

f (x) = (ax + x)1/x ,

f (x) = x sen(1/x), ( R).

21 Calclense las derivadas de las funciones hiperblicas.

3.2. EXTREMOS RELATIVOS. POLINOMIO DE TAYLOR.

Extremos relativos. Polinomio de Taylor.

III.2.1 Extremos relativos.

Sea A un subconjunto no vaco de nmeros reales y a A y f : A R una

III.2. Extremos relativos. Polinomio de Taylor.

Con el siguiente ejemplo veremos qu no existe en general una relacin entre

Observemos primero su grfica:

Extremos relativos y derivabilidad

Proposicin 3.2.1. (Lema 3.1.8 )(condicin necesaria)

III.2. Extremos relativos. Polinomio de Taylor.

Confrmese que f tiene en 0 un mnimo relativo (no absoluto) y en 2 un mximo

Ntese que el polinomio de Taylor de grado uno no es ms que la funcin afn

Teorema 3.2.3. (frmula infinitesimal del resto)

III.2. Extremos relativos. Polinomio de Taylor.

Teorema 3.2.5. (Frmula de Taylor)